Как избежать смещений при использовании регистрации изображения облака точек на данных с периодической структурой?
Я применяю алгоритм итеративной ближайшей точки (ICP) к двумерным облакам точек, которые в небольших масштабах хорошо аппроксимируются гексагональной упаковкой. При тестировании алгоритма на имитируемых данных (случайное линейное преобразование + шум) он очень хорошо работает, когда d trans ≲ 0,25*d, где d trans - величина примененного случайного преобразования, а d - расстояние между объектами в точке. облако.
Однако при больших значениях d trans алгоритм часто сходится к неверному решению, что имеет смысл, поскольку все, кроме нескольких соответствий ближайших соседей, отличаются от истинных соответствий. Существуют ли какие-либо другие хорошо зарекомендовавшие себя методы определения соответствия, которые были бы менее подвержены подобным ошибкам? Пока что я нашел только методы повышения скорости по сравнению с ближайшим соседом, а не производительность [1] [2]