3D【2】非刚性配准:Optimal Step Nonrigid ICP Algorithms for Surface Registration 阅读笔记

最近在研究人脸3d重建的内容，配准是训练出一个类似Basel Face Model的一个前期3d数据处理过程。由于从设备扫描出来的3d人脸的顶点个数非常多，而像BFM这样的模型中一个3d face的顶点为53490个点。为了用一个顶点较少的模板来表示一个从设备扫描出来的3d face，我们需要用到配准算法。在3d face的配准中使用的是非刚性配准，意思是模板除了平移，缩放和旋转之外，还可以变形。在配准中，模板是作为source，从设备扫描出来的3d face作为target，配准的目的是找到一个变换（在该论文中是为每个顶点分别找到一个变换矩阵），使得source能够表示target。

该论文提出的非刚性ICP算法可以用来3d face的配准，论文A 3D Morphable Model learnt from 10,000 faces使用的也是该方法。non-rigid ICP算法有三个损失函数，分别是Data loss、Smoothness loss和Landmarks loss。

假设模板$S = (V,E)$，其中V是顶点，有n个；E是边。另外每个顶点的变换矩阵$X_i$大小是$3*4$，这样所有顶点的变换矩阵可表示为$X=[X_1,...,X_n]^T$，大小为3*4n。

Data loss：

Ed(X