ZeroMatch：基于预训练大视觉模型的零样本 RGB-D 点云配准在计算机视觉领域，点云配准是一项核心任务，其目标是估计两组点云之间的刚性变换（包括 3D 旋转和 3D 平移），在 3D 重建、目标定位、激光雷达 SLAM 等众多实际应用中发挥着不可或缺的作用。传统的点云配准方法大多基于迭代最近点（ICP）框架，而近年来深度学习驱动的方法也取得了显著进展。然而，这些方法都存在明显的局限性：传统方法在低重叠、噪声点多的真实场景中易陷入次优解，而基于学习的深度方法则受限于训练数据分布，在未见过的场景中泛化能力不稳定。