PRBonn/RAP

解决的问题

RAP 解决了 3D 点云配准的挑战——即将多个未对齐的点云对齐到一个共同的坐标系中。这是 3D 重建、机器人定位和多会话地图合并等任务中的关键步骤，尤其在扫描重叠度低或使用不同传感器模态的情况下尤为重要。

工作原理

与传统的通过点对点匹配（对应匹配）来估计点云对之间变换的方法不同，RAP 将配准视为一个条件生成问题。它使用通过流匹配学习到的连续点级速度场，将带噪声的点云传输到已配准的场景中。系统采用轻量级局部特征提取器，并在测试时强制执行刚性约束，以恢复每个视角的最终姿态。

适用人群

本工具专为从事机器人学、3D 计算机视觉和 SLAM（同时定位与地图构建）的研究人员和工程师设计，特别适用于需要合并多个机器人地图或在 3D 环境中重新定位代理的用户。

主要亮点

• 生成式方法：直接生成配准后的点云，而非依赖成对变换优化。
• 鲁棒性：在基准测试中取得最先进性能，尤其在低重叠场景下表现优异。
• 泛化能力：适用于不同尺度和传感器模态。
• 广泛应用：支持重定位和多机器人 SLAM 等下游任务。