无对应关系的多视图点云注册：基于深度引导的联合优化

多视图点云注册是构建全局一致3D模型的基本任务。现有方法通常依赖于特征提取和跨多个点云的数据关联；然而，这些过程在复杂环境中难以获得全局最优解。本文引入了一种新颖的无对应关系多视图点云注册方法。具体而言，我们将全局地图表示为深度图，并利用原始深度信息构建非线性最小二乘优化，以联合估计点云的姿态和全局地图。不同于传统基于特征的束adjusted方法，这种方法通过检测到的点云与全局深度图之间的姿态关联来绕过这些挑战。这种数据关联在优化过程中被隐式地包含并动态地被细化。广泛的在真实世界数据集上的评估表明，我们的方法在精度上超过了最新方法，尤其是在特征提取和数据关联困难的挑战环境中表现尤为突出。