原创是武大发表的一篇高质量论文，项目已开源。文章提出一种名为TurboReg的闪电般快速且极其鲁棒的点云配准估计器，通过创新的轻量级“TurboClique”和高度并行的搜索算法，在真实世界数据集上实现了比现有SOTA方法快200多倍的速度，同时还提升了配准的召回率。
- 研究背景与意义
点云配准 (Point Cloud Registration, PCR) 是3D视觉中的一个基石性问题，其目标是将两个或多个不同视角的点云对齐到同一个坐标系下，是三维重建、机器人导航、自动驾驶等应用的关键步骤。
在基于对应关系的配准方法中，一个核心环节是如何从大量的、包含许多错误匹配 (outliers) 的初始对应关系中，鲁棒地估计出正确的变换矩阵。现有的一些SOTA方法，如3DMAC，通过在兼容性图中搜索“最大团” (Maximal Clique) 来确保找到的对应关系子集在几何上是一致的，从而获得了很高的鲁棒性（召回率）。
然而，这种方法有一个致命的弱点：速度极慢。因为搜索最大团是一个NP-hard问题，其时间复杂度是指数级的。这使得这些方法在需要快速响应的时间敏感型应用（如实时SLAM）中几乎无法使用。如何在保持高鲁棒性的同时，大幅提升配准速度，是该领域一个亟待解决的痛点。
- TurboReg的核心方法
TurboReg的提出，就是为了解决上述“速度与激情”的矛盾。它巧妙地绕开了耗时的最大团搜索，提出了一套全新的、轻量且高效的解决方案，主要包含两大创新：
2.1. TurboClique：轻量级的几何约束
研究者们没有去寻找那个庞大而复杂的“最大团”，而是定义了一种全新的、轻量级的“TurboClique”。它被定义为一个在高度受限的兼容图中的3-clique（即一个由3个相互兼容的对应关系组成的三角形）
轻量级 (3-clique)：相比于寻找大小不定的最大团，寻找固定大小的3-clique在计算上要简单得多，这为高效的并行搜索奠定了基础。
高度受限：通过施加更强的几何约束来构建兼容图，确保了即使是小小的3-clique也能提供足够强的空间一致性，从而保证变换估计的稳定性。
2.2. 枢轴引导搜索 (Pivot-Guided Search, PGS)：高度并行化的搜索算法
为了快速找到高质量的TurboClique，研究者设计了一种名为PGS的高效搜索算法。该算法的核心思想是：
选择“枢轴” (Pivot)：算法首先选择那些具有高SC²分数（一种衡量匹配质量的指标）的匹配对作为“枢轴”。
引导搜索：以这些高质量的枢轴为中心进行引导式搜索，可以更大概率地快速找到包含更多正确匹配 (inliers) 的TurboClique。
并行化与线性复杂度：最关键的是，PGS算法具有线性时间复杂度，并且可以高度并行化，这与最大团搜索的指数级复杂度形成了鲜明对比，从根本上解决了速度瓶颈。
- 实验效果
TurboReg在多个真实世界的基准数据集（如3DMatch, 3DLoMatch）上进行了广泛的实验，结果堪称“惊艳”。
速度：在3DMatch+FCGF数据集上，TurboReg (1K) 的运行速度比3DMAC快了208.22倍！这种数量级的提升是革命性的。
精度与鲁棒性：在速度大幅提升的同时，TurboReg的召回率 (Recall) 也超过了3DMAC，这意味着它不仅快，而且更准、更鲁棒。
- C api 封装
4.1 环境配置
1）CUDA 11.8 （使用GPU计算）
2）libtorch （使用张量进行计算）
3）eigen-3.4.0
4.2 C api 封装
创建C api 头文件turboreg_c_api.h，turboreg_c_api.cpp，CMakeLists.txt，使用VS 2022编译。封装TurboReg Create，TurboReg Destroy，TurboReg Register，TurboReg Register Matrix4个函数。 - 导入LabVIEW
函数调用顺序：TurboReg Create—>TurboReg Register/TurboReg Register Matrix–>TurboReg Destroy.
- LabVIEW测试
TurboReg 内部使用 float（32位）张量进行计算，而您传入 LabVIEW 的 src_points 也是单精度，输出矩阵的精度就是单精度。
欢迎大家转发交流！
声明：来自LabVIEW高级编程，仅代表创作者观点。链接：https://eyangzhen.com/6257.html
