博客长期更新，本文最新更新时间为：2025年7月1日。

一、算法原理

1、原理概述

  最大团（Maximal Cliques, MAC）法在点云配准中的应用，是近年来解决高离群值（outlier）和低重叠场景下配准问题的重要突破。点云配准的目标是估计两片点云之间的6自由度刚体变换。传统方法面临高离群值和低重叠率两大挑战。传统方法如RANSAC及其变体（如SAC-IA等）依赖随机采样，在高离群率下需大量迭代；而基于深度学习的方案（如DGR、PointDSC）需大量训练数据且泛化能力有限。

2、实现流程

MAC通过极大团约束挖掘局部一致性信息，取代传统最大团（Maximum Clique）的