TeaseR++：快速鲁棒的C++点云配准库介绍+英文版视频教程
本文提出了一种快速鲁棒的点云配准算法，对存在离群噪声点的点云数据具有较好的配准效果。首先使用了截断最小二乘（Truncated Least Squares TLS）代价函数重新构造配准问题 ，该代价是的估计点对时能够对大部分的不正确的对应点不加入计算，然后使用了一个通用的图论框架来分离尺度，旋转和平移，从而允许对这三个变换矩阵进行级联求解，尽管这三个矩阵在本质上仍然是非凸的组合函数，但是论文中：
（1）LTS尺度和平移估计可以通过自适应的投票方法求解多项式的解
（2）LTS旋转估计矩阵是被认为符合semidefinite program（SDP），即便在极端异常的数据中也是符合的。所以该 算法是被命令为TEASER（Truncated least squares Estimation And SEmidefinite Relaxation）
TeaseR++是一个用C++的快速、鲁棒的点云配准库，具有Python和Matlab接口。
github:https://github.com/MIT-SPARK/TEASER-plusplus
主要功能介绍
对于提出的两种算法，论文在一些开源的数据集，比如目标检测以及3Dmatch扫描的数据集测试了算法的性能，结果证明：
（1）这两种算法比较而言都是最先进的（比如e.g., RANSAC, branch-&-bound, heuristics），并且对有异常值的点云都很鲁棒。
（2）TEASER++可以在毫秒内运行，是目前最快的鲁棒的配准算法（有兴趣的可以验证一下）
（3）TEASER++ is so robust it can also solve problems without correspondences（没有对应关系也可以配准？）
论文图集
演示demo
配准实例
算法1伪代码
算法2伪代码
总结
TEASER++可以解决三维空间中两点云之间的刚体变换问题，即使输入对应点有大量的异常点，它也能很好地实现点云配准。
英文教程
资源
三维点云论文及相关应用分享
【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法
3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割（2020）
PCL中outofcore模块---基于核外八叉树的大规模点云的显示
更多文章可查看：点云学习历史文章大汇总
SLAM及AR相关分享