论文阅读Super Edge 4-Points Congruent Sets-Based Point Cloud Global Registration

来源：上海大学 数学和统计学院
期刊：remote sensing

摘要：
随着三维高帧率传感技术的加速发展，多站采集的密集点云对配准的准确性和效率提出了很大的挑战。广泛推进粗配准与精配准相结合。不同于精配准中扫描对之间的小移动要求，粗配准可以匹配任意初始位姿的扫描。基于4PCS的super 4PCS算法是目前最先进的粗方法，通过智能索引提高了配准到线性顺序的速度。然而，由于缺乏对原始点云尺度的缩小，限制了其应用。此外，配准基的共平面性防止了搜索空间的进一步缩减。针对上述问题，本文提出了一种新的配准方法——超边4PCS配准。该算法包括边界分割、重叠区域提取和碱基选择三个步骤。首先，采用一种基于矢量角度的改进方法对原始点云进行分割，使初始点云的尺度变薄;然后进行重叠区域提取，找出轮廓上的重叠区域。最后，在不考虑共面性的情况下，从候选集合中选择符合距离约束的配准基。在不同特征数据集上的实验表明，该算法的平均时间复杂度比super 4PCS算法减少了89.76%，精度平均提高了5 mm。更令人鼓舞的是，实验结果表明，该算法可以应用于各种限制情况，如重叠区域少和大量噪声。因此，在保证保证质量的前提下，本文提出的算法比super 4PCS算法更快、更鲁棒。

主要贡献：

1. 在分离重叠区域的提取中，考虑了点云的边界信息，避免了不必要的内部点，与目前最先进的Super 4PCS相比，该方法的计算成本降低了7.1%。
2. 提出了一种在重叠区域内交叉选择配准基的方法。该方法仅利用点对的距离信息对配准基点进行过滤。因此，可以快速生成少量准确的候选注册碱基对。因此，与Super 4PCS相比，在没有增加配准错误的情况下，整体加速了89.8%。

方法流程：