ohirose/bcpd

解决的问题

此软件套件提供用于点云与不规则域函数非刚性配准的工具。它解决了对齐两个不同几何结构或高维信号（如空间转录组数据）的问题，这些数据可能存在变形、旋转或噪声，从而实现形状分析、3D 模型重建与函数对齐。

运作原理

该套件实现了数种基于贝叶斯推论的概率框架：

• Domain Elastic Transform (DET): 一种无网格框架，通过结合几何与函数对齐来配准不规则域上的函数，将数据视为函数而非要求体素化。
• Bayesian Coherent Point Drift (BCPD): Coherent Point Drift 算法的推广，使用运动一致性先验来确保在配准稀疏点云时的平滑变形。
• Geodesic-Based BCPD (GBCPD): 通过使用表面一致性矩阵（结合高斯与测地线核）增强 BCPD，以更好地分离相邻边界并处理复杂的拓扑切割。
• Dependent Landmark Drift (DLD): 使用统计形状模型来约束变形，将学习到的平均形状映射到目标点云，以抵抗噪声与伪影。

为了处理海量数据集（数百万个点），「++」变体（例如 BCPD++）使用了降采样、位移场插值、用于低秩矩阵近似的 Nystrom 方法以及用于高效点对应的 k-d tree 搜索。

适用对象

专为处理科学数据的研究人员与工程师设计，特别是处理空间转录组、数字图像、音频信号、3D 形状分析与 3D 模型重建的领域。

特色亮点

• 无网格配准: DET 允许在不进行分箱或体素化的情况下，对不规则域上的高维信号进行配准。
• 高扩展性: 「++」框架使得在标准硬件上处理数百万个点成为可能。
• 拓扑感知: GBCPD 使用测地线核来维持复杂界面上的结构完整性。
• 稳健的形状拟合: DLD 通过统计模型利用先验形状知识来处理噪声数据。