SLAM | NDT论文翻译

已于 2023-11-08 10:40:51 修改
阅读量128 收藏
点赞数
分类专栏： ROS 文章标签： 1024程序员节
于 2023-10-24 09:47:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42495740/article/details/132720129
版权
ROS 专栏收录该内容
39 篇文章 83 订阅 ¥19.90 ¥99.00
订阅专栏

文章目录

论文原文：https://www.researchgate.net/publication/4045903_The_Normal_Distributions_Transform_A_New_Approach_to_Laser_Scan_Matching

概述

  大部分扫描匹配算法是找特征之间的对应关系（correspondences）。NDT则是把2D平面划分为栅格（cells），将每个栅格都看成是一个正态分布，把栅格内的观测点的概率按正态分布模型进行局部建模，这就是NDT的ND（normal distribution 正态分布）。NDT中的T（transform 转换）则是指把扫描转换成了分段连续可微的概率密度，这样用牛顿法就可以和另一个扫描进行匹配，因此就不需建立明确的对应关系了。
  论文说他们测试这个算法不用里程计也能很好的建立室内地图，但我实际使用下来发现还是融合里程计更好。强调一下

了解本专栏 订阅专栏 解锁全文
Nines～
关注
专栏目录
订阅专栏
论文翻译—2D NDT算法论文
sunqin的博客
05-18 2485
正态分布变换：一个新的方法来匹配激光扫描 相关信息： 题目：The Normal Distributions Transform: A New Approach to Laser Scan Matching 来源：Proceedings 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2003) 作者：Biber, Peter, and Wolfgang Straßer 摘要 摘要—2D范围内的扫
点云匹配方法NDT(正态分布变换)
人无远虑，必有近忧
05-07 4998
在点云匹配中，ICP基于距离直接最优化变换矩阵的参数，由于是欠定方程且旋转矩阵的约束，使得结果很难优化，为此在新的维度优化变换矩阵的参数，被很好的提出：先将参考点云（目标点云）转换为多维变量的正态分布，匹配的点云如果采用某组变换参数后，使得新的点云和目标点云的正态分布参数匹配很好，那么变换点在参考系中的概率密度将会很大。因此，可以考虑用优化的方法求出使得概率密度之和最大的变换参数，此时两幅激光点云数据将匹配的最好。
激光SLAM之NDT算法（1）算法原理
qq_40216084的博客
07-27 9996
无人车激光SLAM系统简单可以分为建图和定位两部分，无人车的定位问题，实际上就是要找出无人车当前在地图的那个位置（并且要求精度在厘米级别）。其中有一类方法被称为即时定位与地图构建（simultaneous localization and mapping，SLAM），它能够实现导航定位而不需要地图，然而，真正实现无人车的SLAM是非常困难的，作为交通工具，远距离的行驶会使得实时构建地图的偏差变大。所以，在已经拥有高精度地图的前提下去做无人车的定位，是更加现实，简单的。NDT就是一类利用已有的高精度地图和激光
基于已知点云地图的NDT的激光SLAM定位
xiaojinger_123的博客
07-14 6836
概述 对于L4级自动驾驶系统而言，定位模块通常会融合GNSS、IMU、轮速计（车辆底盘）、摄像头以及激光雷达odometry多种测量，使用滤波算法（EKF、UKF等）以获得平滑、厘米级别的绝对定位，其中基于高精度点云地图和激光雷达的配准定位（Lidar Odometry）因其精度高、可靠性好，在整个融合定位中通常占很大的权重，是自动驾驶定位系统中相对可靠的“绝对定位”数据来源。 依据网上已开源的算法框架以及各位大佬们的经验分享，本文demo为ROS系统下，基于建图算法（SC-LEGO-LOAM）+点云匹配算
简易NDT SLAM教程：从零开始探索二维激光雷达SLAM
最新发布
gitblog_00429的博客
08-22 848
简易NDT SLAM教程：从零开始探索二维激光雷达SLAM simple_ndt_slamsimple ndt slam, quick deploy on mobile robot, support mapping and localization (origin from autoware.ai); 简易slam包 快速部署使用项目地址:https://gitcode.com/gh_mirro...
3d激光slam建图与定位(1)_基于ndt算法定位
qq_51108184的博客
07-28 3725
3.ndt.cpp对点云地图，雷达点云，发布的雷达点云相对于点云地图的初始位置进行回调处理，通过ndt算法，将雷达点云匹配到点云地图，并计算出它们的位置姿态关系，这个就是定位。2.points_downsampler.cpp对雷达数据的预处理，当雷达数据回调后进行点云范围的过滤，过滤掉过远的点，通过体素滤波进行下采样，提升匹配效率。1.map_loader.cpp用于点云地图的读取，从文件中读取点云后对这个点云地图进行旋转平移后发布点云地图到ros。3.变换输入点云，与目标点云配准得到坐标变换关系。
正态分布变换(NDT)在SLAM问题中的应用
DustinKsi的博客
09-14 645
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、正态分布变换（NDT）是什么？二、PCL中NDT的使用步骤1.引入库2.读入数据总结 前言 随着自动驾驶技术的不断发展，SLAM技术得到了更高程度的重视，研究人员力求构建一种稳定可靠的移动机器人定位算法。 多线激光雷达(3D LiDAR)作为一种重要的深度感知设备，在S
NDT 论文 NDT 论文 NDT 论文 NDT 论文
01-10
NDT（Normal Distributions Transform）是一种用于激光扫描匹配的新技术，尤其在移动机器人系统中的定位与建图（Simultaneous Localization and Mapping，简称SLAM）中具有重要应用。论文的核心是提出了一种替代传统...
SLAM综述论文整理分享
12-02
NDT算法利用高斯分布简化匹配过程，适用于3D激光SLAM；而基于特征的匹配方法则是通过特征点匹配来改善计算效率，类似于视觉SLAM中的基于特征匹配的方法。 随着技术发展，深度学习和遗传算法等先进方法也被引入到...
Ndt+ICP配准算法亲测可用
04-19
点云配准代码，读取PCD文件，若要读取PLY文件，需要自己改代码，或者将ply文件转换成pcd的，我之后会上传转换的代码，积分都是为了交换下载资源用
hdl_graph_slam的论文阅读
a850565178的博客
04-15 3087
文章目录**摘要：****Itroduction****Related Work****System Overview**离线建图在线人物行为检测人物检测与跟踪传感器定位评价人物检测评价与静态传感器系统的比较医院现场测试初步分析陪伴行为Conclusion 论文下载地址 A Portable 3D LIDAR-based System forLong-term and Wide-area Peop...
激光SLAM之NDT算法（2）-建图
qq_40216084的博客
07-27 3547
最近的项目里用到了室外激光SLAM进行定位，所以我总结一下项目经验，顺便根据项目最终效果说一下自己对于算法源码中这段代码的理解。 首先，算法框架中用到了不止一种传感器，包括IMU，odometry和GPS等。所有的传感器数据都是为了能构造一个合理且较好的激光里程计。 这段代码很好理解，我大致讲一下流程吧，首先当第一帧点云输入时，我们构造一个位姿向量，x=0,y=0,z=0，旋转角初始化为0，存入map)中,并将其设置为ndt的target参数。当第二针点云进来时，进行点云匹配得到这堆点云的位姿（以lidar
激光SLAM里程计算法总结（ICP、NDT与运动畸变）
SLAM小学僧
07-13 2579
在导航系统中，里程计（Odometry）数据用来估算机器人位置随时间的 PCL点云库中ICP方法的使用： PL-ICP是二阶收敛，ICP是一阶收敛 PL-ICP对初始值更敏感 以点到线的误差为目标函数，PL-ICP的求解精度更高正态分布变换 (Normal Distribution Transform) 与ICP不同, NDT 假设点云服从正态分布，我们的目的是找一个姿态，使得当前扫描点位于扫描参考平面的可能性最大。 最后概率密度函数可以表示为： 目标函数为： s(p⃗)=∑k=1n...
LidarSLAM（一）：NDT
qq_37662375的博客
07-23 3820
NDT的提出与原理： ICP配准方法前提是环境大部分是不变的，但是完全不变的环境其实也是很少的，比如一辆车飞驰而过，一个人走过等。更多应该考虑的是允许小部分差异的配准，这时候点对点匹配比如ICP就会出现一些问题，而NDT则可以很好地解决细微差别，因为NDT是通过近似正态分布概率来完成匹配的（概率吗就具有了兼容性）。主要步骤为： 一个三维空间的正态分布如图所示： 简单理解就是将每一个划分出的网格近似为一个专属的概率分布然后与地图对应网格内的分布求解相似程度...
基于ROS的Most Stars开源代码汇总（自动驾驶汽车+RGBDSLAMv2+ROS2+人识别与跟踪等）
热门推荐
zhangrelay的专栏
05-12 2万+
Star 200+https://github.com/CPFL/Autoware用于城市自主驾驶的开源软件。 http://www.tier4.jp/Autoware用于城市自主驾驶的集成开源软件，由第四层维护。支持以下功能：3D本地化3D映射路径规划路径跟随加速/制动/转向控制数据记录汽车/行人/物体检测交通信号检测交通灯识别车道检测对象跟踪传感器校准传感器融合面向云的地图连接自动化智能手机导
ndtmapping建图_激光SLAM | 结合NDT和占用栅格地图的建图方法
weixin_29035405的博客
01-14 1257
论文题目：Normal Distributions Transform Occupancy Maps: Application to Large-Scale Online 3D Mapping这篇论文结合了NDT和占用栅格地图的优点，同时对二者都结合3D激光雷达做了适应性改进，最终实现了既能够增量式更新地图表示，又能够移除动态物体的效果。本篇论文的作者还有另外几篇论文，其实讲的是同样的东西，只不过...
NDT正态分布变换配准
weixin_30508309的博客
09-29 757
How to use Normal Distributions Transform 无人驾驶汽车系统入门（十三）——正态分布变换（NDT）配准与无人车定位 SLAM Note – NDT_TKU 转载于:https://www.cnblogs.com/larry-xia/p/9724448.html...
单目SLAM增强：LDSO论文的闭环检测与优化翻译
LDSO论文翻译探讨的是将直接稀疏里程计（Direct Sparse Odometry, DSO）技术扩展到单目视觉SLAM系统中的一种创新方法。原始的DSO算法是一种直接视觉SLAM技术，它依赖于图像中的强梯度特征，即使在无特征区域也能提供...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Nines～

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值