neka-nat/probreg
Python package for point cloud registration using probabilistic model (Coherent Point Drift, GMMReg, SVR, GMMTree, FilterReg, Bayesian CPD)
解决的问题
为点云配准提供比迭代最近点(ICP)算法更稳健的替代方案。通过使用概率模型,它能够比传统方法更有效地处理噪声和复杂变换。
工作原理
该库实现了多种随机配准算法,将两个点集视为概率分布进行对齐。支持刚性变换(如6D姿态和缩放)以及非刚性变换(如仿射、MCT和TPS)。
适用人群
需要与Open3D集成的可靠对齐工具的3D点云、计算机视觉和机器人领域研究人员及开发者。
主要亮点
- 多样化的算法套件:包含相干点漂移(CPD)、FilterReg、GMMReg 和支持向量配准(SVR)。
- Open3D 集成:提供与 Open3D 点云对象轻松协作的简单接口。
- 灵活的变换支持:支持刚性、仿射和非刚性(可变形)配准。
- CUDA 支持:使用 CuPy 加速刚性和仿射 CPD。
相关
- 项目
- 项目
- 项目
- 项目
- 项目