ohirose/bcpd

解决的问题

该项目提供了一套概率算法，用于点云和高维函数的注册（对齐）。它解决了形状或信号发生形变、噪声干扰或结构复杂时的非刚性对齐问题，可应用于3D模型重建、形状分析以及空间转录组学等科学数据的对齐。

工作原理

该软件实现了多种贝叶斯框架，以处理不同类型的数据：

• 域弹性变换 (DET): 一种无需网格的框架，可在不进行体素化的情况下，对不规则域上的高维信号（函数）进行注册。
• 贝叶斯一致点漂移 (BCPD): 一致点漂移算法的推广，使用运动一致性先验，确保点云的平滑非刚性变形。
• 基于测地线的BCPD (GBCPD): 通过使用测地指数核增强BCPD，有助于分离空间上接近但拓扑上相距较远的边界。
• 依赖型地标漂移 (DLD): 使用统计形状模型而非运动一致性先验，将学习到的平均形状拟合到目标点云上。

为处理大规模数据集（数百万点），项目采用“++”加速框架，包括下采样、位移场插值、Nyström方法进行低秩矩阵近似，以及k-d树搜索以实现高效的点对应。

适用人群

该工具专为从事3D计算机视觉、形状分析、空间转录组学和信号处理的研究人员和工程师设计，适用于需要对复杂非刚性数据集进行对齐的场景。

主要亮点

• 可扩展性： 通过优化的加速模式，可在标准硬件上处理数百万个点。
• 多功能性： 同时支持几何点集注册和函数信号注册。
• 鲁棒性： 包含测地核以处理复杂的拓扑切割，以及统计形状模型以实现抗噪声拟合。
• 灵活的变换： 支持相似、仿射、刚性及非刚性变换模型。