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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。