论文阅读Efficient Rock Mass Point Cloud Registration Based on Local Invariants

来源：中国科学院大学，人工智能学院
期刊：remote sensing 2021

摘要：
点云配准是三维重建领域的基础研究热点之一。由于岩体表面复杂、形状任意、分辨率高，岩石点云的配准一直是一个挑战。为了克服这些困难，本文提出了一种基于局部不变量的岩石点云配准方法。首先，针对海量点云，采用基于求和向量的兴趣点滤波方法来减少点的数量;其次，将剩余感兴趣点划分为几个聚类点集，计算每个聚类的质心;然后，通过证明剩余点集的内在相似性(利用协方差矩阵的迹)，确定原始点云与目标点云之间的对应关系。最后，根据相应的质心计算旋转矩阵和平移向量，并采用修正方法调整质心的位置。为了说明我们的方法在准确性和效率方面的优势，我们在多个数据集上进行了实验。实验结果表明，该方法比现有的同类方法具有更高的精度和效率(约10倍)。
关键步骤：

图1 a和b表示输入的目标点云和源点云，cd表示经过兴趣点滤波后的点，ef为聚类结果和中心，gh表示中心对应匹配。

判定平面上一点是否为突出点：

P为判定点，NPS（Pr）为P点r邻域内的点，W为高斯权重函数，若P在平面上，向量将抵消，数值较小，P在平面上，向量累积，数值较大。示意图如下：

**聚类：**通过聚类的方法来进行特征缩减，具体的使用density-based spatial clustering of applications with noise(DBSCAN)[40]算法，太大或太小的聚类半径都不能获得理想的结果，因此考虑多尺度聚类，并通过实验来获得最优的聚类半径。
**匹配：**将每个聚类点集作为研究对象，发现它们经历了不变的平移和旋转量，并根据这一特征判断聚类点集Tc和Sc之间的相似度，使用了类似刚性转换距离不变的原理，寻找符合约束的匹配。

实验结果：

NDT有不错的效果