分布式/内存绑定云点注册算法

如何解决分布式/内存绑定云点注册算法

从我对 pointcloud registration algorithms (PRA) 的（简要）概述来看，它们似乎都要求至少将一个点云（如果不是两个）完全加载到内存中。是否有没有这种要求的算法，即在任何给定时间处理两个点云的子集，以便它可以扩展到任意大的点云，并且（理想情况下）是可并行化的，以便可以在分布式集群中计算？

可能的答案，从最好到最差：

• 有可用的开源实现的此类算法（如果它使用 Python 或具有 Python 绑定，则额外奖励）。
• 研究文献中提供了此类算法，但目前没有可用的开源实现。
• 没有现成的这种算法，但是有（精确的或启发式的）方法可以将问题分解为子问题，这些子问题可以由任何现有的 PRA 解决，并将部分解决方案组合起来形成完整的解决方案.
• 在一般情况下不可能有这样的算法，至少在没有关于要注册的点云的一些额外条件/假设的情况下是不可能的。
• 根本不可能有这样的算法。

注意：我不是在寻找减少原始输入大小的方法，例如具有采样、点聚合、特征提取等功能；我只对使用完整原始点云的算法感兴趣。