激光点云地图定位论文

自己目前看的有这四篇，正在实现中，实现过程中发现并没有那么简单。

两篇stanford 

[2007][RSS]Map-Based Precision Vehicle Localization in Urban Environments

[2010][ICRA]Robust Vehicle Localization in Urban Environments Using Probabilistic Maps

第一篇还没看懂，第二篇也没有完全看懂，使用反射率建的图。

两篇Michigan

[2015][ICRA]Fast LIDAR localization using multiresolution Gaussian mixture maps

[2017][ICRA]Robust LIDAR localization using multiresolution Gaussian mixture maps for autonomous driving

第一篇只用了点的高度信息，将地图投影为二维栅格，每个栅格里面存放着相同x y，只有高度不同的点。论文假设这些点的高度服从高斯分布，用多种高斯分布代替多种环境物体的高度。如地面，只有一个高斯分布，如果是建筑物的话，则有两种高斯分布，一种是地面上的，一种是建筑物上的。

不过在实际实现的时候，发现路面上也有很多格子是两个高斯分布的。这就很神奇了，不知道为什么，可能是因为计算高斯混合模型的过程有问题，自己照着统计学习方法的EM算法步骤写的代码，实际验证有错误，所以在网上找了 一个em matlab源代码，自己验证了一下，发现是对的，就用的它的。可能其他场景不太符合。

第二篇同时利用了高度和反射率。方法是一样的。

 

2019/4/12增加

[2018][IROS]Robust LIDAR Localization for Autonomous Driving in Rain

新加坡-麻省理工的论文。

[2017][ITSC]Autonomous vehicle self-localization based on probabilistic planar surface map and multi-channel LiDAR in urban area

东京大学的，认为建筑物是不会变的因此使用建筑物做地图最稳定，所以他们提取了点云中的建筑物，并且根据提取的建筑物拟合出平面模型，存储平面模型作为地图以减小地图的大小。