论文标题：Performance Evaluation of 3D Correspondence Grouping Algorithms
作者：Jiaqi Yang, Ke Xian, Yang Xiao and Zhiguo Cao
译者：仲夏夜之星
下载地址：https://arxiv.org/pdf/1804.02085.pdf
摘要：本文针对几种广泛使用三维对应关系聚合算法进行了深入的评价，其目的在于他们在视觉任务中的意义依赖于正确的对应特征关系，一个良好的对应关系的聚合算法的期望是可以从初始的特征匹配中搜索到尽可能多的关系，从而提高准确率和召回率，就这个规则，本文从三个方面分别是处理形状检索、三维目标识别及点云配准来进行实验，该方法受噪音、不同点密度的细微差别、杂波、遮挡和部分重叠的影响，这将会导致内点和对应分布比率的不同而造成结果不同，基于定量结果分析，本文对其总结了优缺点并从性能和效率两方面进行了评估。
一 、引言建立三维点云之间的正确匹配关系，也称为点云配准问题，这在三维计算机视觉中是一个基石。一个至关重要的原因是基于局部形状特征的匹配方式的应用，如三维对象识别，点云注册、形状检索和三维对象分类非常流行。基于局部特征的匹配方式如图1，首先检测表面上的一组独特的关键点并用特征描述符表示局部形状几何，然后生成原始初始匹配用于识别两种形状之间的相似性。然而，这个方式总会出现大量的虚假匹配，主要有两个原因，一个是加载前一个模块的残差，例如，关键点定位错误和重复结构
