一种用于点云配准的鲁棒损失

曲面配准的性能在很大程度上依赖于用于衡量源形状与目标形状之间对齐误差的度量。传统上，这种度量基于源曲面上的点到目标曲面上其最近点的点对点或点对平面距离，这容易因最近点对应的不稳定性而失败。在本文中，我们提出了一种基于两个形状与一条随机直线之间交点的新颖度量，该度量不假定特定的对应关系。我们通过大量实验验证了该度量的有效性，包括将其直接优化用于单个配准问题以及为一组配准问题进行无监督学习。结果表明，利用我们提出的度量的算法优于最先进的基于优化和基于无监督学习的方法。