基于对应点的点云配准保证外点去除方法

三维点云配准的一种成熟方法是从三维关键点对应关系中估计配准函数。由于存在错误对应关系或外点，通常需要采用鲁棒技术来进行估计。当前的三维关键点技术远不如其二维对应技术准确，因此它们往往产生极高的外点率。因此必须提取大量假定对应关系，以确保有足够多的良好对应关系可用。然而，这两个因素（高外点率、大数据规模）导致现有鲁棒技术需要非常高的计算代价。在本文中，我们提出了一种称为保证外点去除（guaranteed outlier removal）的用于点云配准的新颖预处理方法。我们的方法将输入缩减为更小的集合，其方式是任何被拒绝的对应关系都保证不存在于全局最优解中。该缩减使用纯几何操作执行，这些操作是确定性的且快速的。我们的方法显著减少了外点数量，从而可以快速进行进一步优化。此外，由于仅去除真正的外点，全局最优解得以保留。在各种合成和真实数据实验上，我们展示了我们预处理方法的有效性。演示代码作为补充材料提供。