TeaseR++：快速鲁棒的C++点云配准库介绍+英文版视频教程

本文提出了一种快速鲁棒的点云配准算法，对存在离群噪声点的点云数据具有较好的配准效果。首先使用了截断最小二乘（Truncated Least Squares TLS）代价函数重新构造配准问题 ，该代价是的估计点对时能够对大部分的不正确的对应点不加入计算，然后使用了一个通用的图论框架来分离尺度，旋转和平移，从而允许对这三个变换矩阵进行级联求解，尽管这三个矩阵在本质上仍然是非凸的组合函数，但是论文中：

（1）LTS尺度和平移估计可以通过自适应的投票方法求解多项式的解

（2）LTS旋转估计矩阵是被认为符合semidefinite program（SDP），即便在极端异常的数据中也是符合的。所以该 算法是被命令为TEASER（Truncated least squares Estimation And SEmidefinite Relaxation）

TeaseR++是一个用C++的快速、鲁棒的点云配准库，具有Python和Matlab接口。

github:https://github.com/MIT-SPARK/TEASER-plusplus

主要功能介绍

对于提出的两种算法，论文在一些开源的数据集，比如目标检测以及3Dmatch扫描的数据集测试了算法的性能，结果证明：

（1）这两种算法比较而言都是最先进的（比如e.g., RANSAC, branch-&-bound, heuristics），并且对有异常值的点云都很鲁棒。

（2）TEASER++可以在毫秒内运行，是目前最快的鲁棒的配准算法（有兴趣的可以验证一下）

（3）TEASER++ is so robust it can also solve problems without correspondences（没有对应关系也可以配准？）

论文图集

   演示demo

配准实例

算法1伪代码

算法2伪代码

总结

TEASER++可以解决三维空间中两点云之间的刚体变换问题，即使输入对应点有大量的异常点，它也能很好地实现点云配准。

英文教程

资源

三维点云论文及相关应用分享

【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法

3D目标检测：MV3D-Net

三维点云分割综述（上）

3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割（2020）

win下使用QT添加VTK插件实现点云可视化GUI

JSNet：3D点云的联合实例和语义分割

大场景三维点云的语义分割综述

PCL中outofcore模块---基于核外八叉树的大规模点云的显示

基于局部凹凸性进行目标分割

基于三维卷积神经网络的点云标记

点云的超体素(SuperVoxel)

基于超点图的大规模点云分割

更多文章可查看：点云学习历史文章大汇总

SLAM及AR相关分享

【开源方案共享】ORB-SLAM3开源啦！

【论文速读】AVP-SLAM：自动泊车系统中的语义SLAM

【点云论文速读】StructSLAM:结构化线特征SLAM

SLAM和AR综述

常用的3D深度相机

AR设备单目视觉惯导SLAM算法综述与评价

SLAM综述(4)激光与视觉融合SLAM

Kimera实时重建的语义SLAM系统

SLAM综述(3)-视觉与惯导，视觉与深度学习SLAM

易扩展的SLAM框架-OpenVSLAM

高翔：非结构化道路激光SLAM中的挑战

SLAM综述之Lidar SLAM

基于鱼眼相机的SLAM方法介绍

往期线上分享录播汇总

第一期B站录播之三维模型检索技术

第二期B站录播之深度学习在3D场景中的应用

第三期B站录播之CMake进阶学习

第四期B站录播之点云物体及六自由度姿态估计

第五期B站录播之点云深度学习语义分割拓展

第六期B站录播之Pointnetlk解读

[线上分享录播]点云配准概述及其在激光SLAM中的应用

[线上分享录播]cloudcompare插件开发

[线上分享录播]基于点云数据的 Mesh重建与处理

[线上分享录播]机器人力反馈遥操作技术及机器人视觉分享

[线上分享录播]地面点云配准与机载点云航带平差

点云PCL更多活动请查看：点云PCL活动之应届生校招群

扫描下方微信视频号二维码可查看最新研究成果及相关开源方案的演示：

如果你对本文感兴趣，请点击“原文阅读”获取知识星球二维码，务必按照“姓名+学校/公司+研究方向”备注加入免费知识星球，免费下载pdf文档，和更多热爱分享的小伙伴一起交流吧！同时如果你也有分享精神可以加入我们的微信群，一起学习，一起分享。

以上内容如有错误请留言评论，欢迎指正交流。如有侵权，请联系删除

扫描二维码

                   关注我们

让我们一起分享一起学习吧！期待有想法，乐于分享的小伙伴加入免费星球注入爱分享的新鲜活力。分享的主题包含但不限于三维视觉，点云，高精地图，自动驾驶，以及机器人等相关的领域。

分享及合作方式：微信“920177957”（需要按要求备注） 联系邮箱：dianyunpcl@163.com，欢迎企业来联系公众号展开合作。

点一下“在看”你会更好看耶