特徴メトリック登録：対応点なしで堅牢なポイントクラウド登録のための高速半教師ありアプローチ

対応点なしで特徴メトリック投影誤差を最小化することにより登録の最適化を強制する、高速な特徴メトリックポイントクラウド登録フレームワークを提案します。特徴メトリック投影誤差の利点は、幾何学的投影誤差に対してノイズ、外れ値、および密度の違いに対して堅牢であることです。さらに、特徴メトリック投影誤差を最小化することは対応点を探索する必要がないため、最適化速度が速くなります。提案された方法の背後にある原則は、ポイントクラウドが非常に良く整列している場合、特徴の違いが最小であるということです。提案する方法は、限られたまたは登録ラベルデータを必要としない半教師ありまたは教師なしのアプローチで訓練します。実験により、我々の方法が最先端の手法より高い精度と堅牢性を得られることが示されました。さらに、実験結果は、提案された方法が重要なノイズと密度の違いに対処できることと、同一ソースおよび異なるソースのポイントクラウド登録の両方を解決できることを示しています。