目录
一、实现原理
NDT是正态分布变换算法,它将三维空间用一-组正态分布来表示,之后再统计出点云的概率密度分布情况来进行配准。因其在配准过程中不需要进行特征计算和寻找特征点对,所以配准时间较其它方法来说也较快。NDT算法首先将点云网格化,对于空间内每-一个网格计算其概率密度函数,最终找到每个点在点云数据中概率密度函数最大时的变换矩阵。
将参考帧点云地图分为一个个小块(cell),计算下一时刻的目标帧得到的点云,变换到参考坐标,落到对应参考帧的cell中的概率。就是同一个环境点,不同时刻检测结果,变换到同一坐标,落在同一个cell。通过这种关系得到评分指标,最优化得到。
二、计算流程
(1)将参考点云(reference scan)所占的空间划分成指定大小(CellSize)的网格或体素(Voxel);并计算每个网格的多维正态分布参数;
(2)计算网格的概率分布模型,计算cell中的包含点的中心(各轴均值),及协方差矩阵:
均值ÿ