ICP解决配准问题的经典论文整理

迭代最近点算法的提出及对搜索速度和收敛速度的改进：

1、提出使用ICP方法来求解刚体变换：A method for registration of 3D shapes、Iterative point matching for registration of free-form curves and surfaces、Object Modeling by Registration of Multiple Range Images

2、对于3D表面采样点通过使用多个z的缓存来加速配准的方法：Fast Global Registration of 3D Sampled Surfaces Using a Multi-Z-Buffer Technique

3、对对应点建立的搜索速度和算法的优化方法提出的改进：Approximate k-D Tree Search for Efficient ICP、Catched k-D Tree Search for ICP Algorithm

4、可以快速的匹配两个域的图像的改进ICP算法：Efficient  Variants of the ICP Algorithm

5、有约束的尺度和仿射ICP配准算法：An ICP Variant Using a Point-to-line Metric

6、使用扩展信号图像来估计对应点集尺度参数的迭代算法来解决各向同性的尺度配准问题：Registration of Range Images with Different Scanning Resolutions

7、在迭代步骤中直接通过对应点计算出尺度、旋转和平移变换，算法计算速度较快但稳定性较差：Point Set Registration with Integrated Scale Estimation

8、有约束的尺度和仿射的ICP：A Scale Stretch Method Based on ICP for 3D Data Registration、Affine Iterative Closest Point Algorithm for Point Set Registration

由于传感器采集精度原因，数据存在着大量的形状噪声，如果采集不够密集，两个点集可能重叠区较少，即部分对应电机的配准效果不好。因此，许多研究者致力于存在大量形状噪声、缺失数据和利群店的部分对应点集的配准研究。针对这个问题，大量非基于ICP的算法被提出来：

1、基于概率的一致点漂移，将点集配准问题转化为概率密度估计问题。通过最大似然估计将高斯混合模型（Gaussian Mixture Model,GMM）质心拟合到数据，能够有效处理存在噪声和离群点的点集配准问题：Point Set Registration:Coherent Point Drift

2、基于快速特征直方图的点集配准算法，并使用局部非线性的优化器，通过特征提取获得点集对应关系的方法：Fast Point Feature Histograms(FPFH) for 3D Registration

基于特征点的配准问题所展开的研究主要包括：

1、利用图像特征进行点集配准，利用图像的尺度不变特征变换减少配准过程中对应点生成的误差，提高配准准确度：LiDAR Point Cloud Registration Based on Improved ICP Method and SIFT Feature

2、利用加速分割测试特征寻找图像中灰度变化明显的特征点，并利用特征点实现快速鲁棒的图像配准：Machine Learning for High-speed Corner Detection

利用点集的几何结构特征进行配准的研究：

1、基于几何不变的三维表面特征点的点集配准算法，该三维曲面的极值点对于刚体的旋转平移具有不变性，这类三维几何特征点提高了配准的鲁棒性和精度，但是提取特征点的计算复杂度较高：New feature Points Based on Geometric Invariants for 3D Image Registration

2、基于欧几里得不变特征点的配准算法，可以找到更为鲁棒的对应关系，降低算法陷入局部最小的概率，配准结果易受噪声影响：ICP registration Using Invariant Features

3、具有角点约束的精确迭代最近点算法用于各向同性缩放配准：Precise iterative closest point algorithm with corner point constraint for isotropic scaling registration

通过使用采集场景颜色和空间位置信息的RGB-D相机，对于基于颜色信息的点集配准算法进行的研究：

1、在传统三维坐标下加入图像的色调信息，构成新的四维空间，并使用k-d树最近邻搜索寻找对应点，加快了收敛速度。使用色彩辅助HSV色彩空间来进行4D的ICP配准：Color point cloud registration with 4D ICP algorithm。易受形状噪声和离群点的影响。

2、将三维坐标空间和Lab颜色空间结合，生成新的六维空间，使用k-d树搜索点集之间的对应点，在提高配准精度的同时减少配准时间。通过使用颜色辅助LAB颜色空间的广义ICP：Color supported generalized-ICP，论文解读。易受形状噪声和离群点的影响。

3、将HSV颜色信息引入基于相关熵的ICP配准算法中，实现了鲁棒的RGB-D数据配准：Precise Point Set Registration with Color Assisted and Correntropy for 3D Reconstruction

4、结合颜色辅助的精确的点集配准框架：A Probabilistic Framework for Color-Based Point Set Registration

其他的一些优化算法：

1、提出Levenberg-Marquardt优化算法：Robust registration of 2D and 3D point sets

2、提出通过树的搜索方法来加速用于形状配准的ICP算法：Fast ICP Algorithm  for Shape Registration

3、使用对数数据点搜索和分层模型点选择方法来加速匹配速度：A fast ICP Algorithm for 3D Human Body Motion Tracking

4、为了获取具有鲁棒性的表面信息的精确配准结果，使用混合遗传算法来提高准确性和鲁棒性的ICP方法：Precision range image registration using a robust surface interpenetration measure and enhanced genetic algorithms

5、修建的ICP(TrICP)：Robust Euclidean alignment of 3D point sets:the trimmed iterative closest point algorithm

6、使用RANSAC来动态调整阈值：Registration of fixed and modile based terrestial Laser data sets with DSM

7、通过高斯模型来获取更加准确和快速配准效果的概率ICP方法：Probability iterative closest point algorithm for m-D point set with noise、New iterative closest point algorithm for isotropic scaling registration of point sets with noise

8、使用最大相关熵准则来处理异常值和噪声的鲁棒配准算法：Precise 2D point set registration using iterative closest algorithm and correntropy