TEASER：快速可证明点云配准算法理解

思路

• 使用**截断最小二乘(TLS)**对配准问题进行建模(类似于ICP算法)
• 使用图理论框架将配准问题分解为尺度(scale)、**旋转(rotation)和平移(translation)**三个子问题
• 使用adaptive voting算法求解尺度问题
• 使用半正定规划松弛(SDP relaxation)将旋转问题转化为凸问题并求解
• 使用adaptive voting算法求解平移问题

部分细节理解

截断最小二乘(TLS)

截断最小二乘即在最小二乘法的基础上设置一个截断阈值${\overline{c}}^2$，如果误差超过阈值则舍弃。

平移不变测量(TIMs)

在平移操作过程中，点云内部任意两点的距离不变，两点相减后消去平移向量。因此配准后两点之间的向量只与尺度操作和旋转操作有关。

平移和旋转不变测量(TRIMs)

尺度变换后两片点云内部对应两点之间距离理论上相等，而尺度因子s为变换前后相同向量模的比值，即:

最后

对于TEASER方法，我只理解了大致思路，由于知识储备有限，并未深入了解adaptive voting算法和SDP松弛算法。具体的求解方法及数学公式若日后有需要再进一步了解。