本研究提出了一种基于先验引导的稀疏专家混合方法，旨在解决点云配准中的重叠区域模糊结构问题。实验结果显示，该方法在3DMatch和3DLoMatch基准测试中分别达到了95.7%和79.3%的配准召回率。

该研究提出了一种新型3D聚焦与匹配网络，解决了复杂场景中多实例点云配准的精确性问题，实验结果在公共基准上表现优异。

本研究提出了一种新方法INTEGER，旨在解决无监督点云配准中的优化目标不足问题。通过特征几何一致性挖掘模块，结合上下文信息和几何线索，动态适应教师网络，生成可靠的伪标签。实验结果表明，INTEGER在准确性和普遍性方面表现优异。

本文探讨了点云配准在月球环境中的应用，提出了语义感知几何编码器和XFeat等新框架和算法，以提高视觉定位和特征匹配的效率与准确性。同时，研究了航天器在天体表面安全着陆的视觉检测与跟踪问题，并发布了相关数据集以支持未来研究。

本文介绍了多种基于学习的算法在机器人自主性和点云配准中的应用，如Deep Closest Point和NeuralCoMapping，强调了它们在复杂环境中的效率、性能和通用性。

本研究提出了一种新型混合描述符，旨在解决3D点匹配和点云配准中的局部几何特征不足问题。该方法结合了局部几何属性和基于学习的特征传播，在处理噪声和低重叠点云数据时表现出显著优势。

该研究提出了一种基于纯MLP架构的点云配准网络，解决了传统方法在资源受限环境中的高计算和内存需求问题。通过离线构建几何信息嵌入，显著降低了推理时间和资源消耗，提高了点云分析的速度和可靠性。

本文介绍了多种基于深度学习的点云配准方法，如PointNet、Deep Closest Point和TEASER，强调了这些算法在处理噪声和离群点方面的有效性。研究表明，这些方法在计算效率和配准精度上优于传统算法，适用于3D重建和姿态估计等应用。

本文介绍了多种点云配准方法，如Deep Closest Point、几何变换器和PosDiffNet。这些方法通过学习几何特征和优化匹配机制，提高了配准的精度和效率，尤其在低重叠和干扰情况下表现优异。实验结果表明，这些新方法在多个数据集上取得了先进性能。

本文提出了一种基于强化学习的点云迭代配准算法（ReAgent），通过新的对齐奖励函数优化配准性能。实验证明，该算法在ModelNet40和ScanObjectNN数据集上表现优异，并在LINEMOD数据集中实现更精确的物体位姿估计。

本文介绍了一种基于等变特征学习和隐式形状模型的无对应点云旋转配准方法，具有无需数据关联和强鲁棒性等优点。实验结果表明，该方法在点云配准中优于现有深度学习方法，特别是在处理噪声和形变时表现出色。

本文介绍了多种基于跨模态信息的点云补全和配准方法，如CMIGNet、EiCI-Net和P2M2-Net。这些方法通过融合视觉、文本等模态信息，显著提升了点云的补全和配准性能，实验结果显示其在多个数据集上优于现有技术。

该论文提出了一种基于邻域一致性的无监督点云配准方法，通过匹配映射细化和内点评估模块实现精确配准，最终使用加权SVD算法进行转换估计，从而显著提高了配准的精度和鲁棒性。

本文研究了点云配准问题，提出了一种基于低维非线性几何结构的方法。通过在Grassmann流形上优化，逼近点云并找到旋转和平移变换。该方法在低重叠情况下表现优越，具有去噪能力和鲁棒性，实验结果显示其优于现有深度学习方法。

本文介绍了一种新型点云配准算法，通过多尺度双向融合实现更准确的对应估计，显著提升了在ScanNet和3DMatch数据集上的性能，尤其在室内外场景中表现优异。

本文综述了同源和异源点云配准的优化与深度学习方法，创建了新的评估基准，探讨了点云配准在不同领域的应用及未来研究方向，重点介绍了深度学习在医学图像配准和3D点云处理中的最新进展及挑战。

本文介绍了多种基于神经辐射场（NeRF）的方法，解决3D场景重建和点云配准问题。DReg-NeRF实现了对象中心场景的无干预注册，L2G-NeRF通过细节学习克服了相机对齐限制。无监督方法UnsupervisedR&R在室内场景中优于传统方法，而Drone-NeRF框架则优化了无人机摄影的大规模场景重建，展现了良好的准确性和效率。

本文综述了同源和异源点云配准的优化与深度学习方法，提出了新的评估基准，探讨了点云配准在不同领域的应用及未来研究方向，介绍了多种基于深度学习的点云配准框架，强调了其在处理噪声和异常值方面的优势。

本文提出了一种健壮的3D点集配准方法，利用截断最小二乘（TLS）成本和解耦的转换估计框架，有效处理异常值。介绍了TEASER算法、几何变换器及其他新方法，提升了点云配准的准确性和效率，适用于低重叠和复杂场景。

本文提出了一种深度语义图匹配方法，用于大规模室外点云配准。该方法通过语义分割和聚类构建语义邻接图，利用图卷积网络学习特征，并通过最优传输问题进行语义实例匹配。实验结果表明，该方法在KITTI数据集上实现了较低的平移和旋转误差，验证了其有效性。