介绍
正态分布变换 (NDT) 是一种将原始点云转换为基于网格的表示的技术,其中每个网格单元都用多元高斯分布近似。
这种表示的目的是提供一种紧凑的形式来表示点云。 这样做还允许将扫描匹配或扫描配准问题作为可微优化问题的整体表示。
这允许我们使用 NDT 算法进行基于点云的定位。
文献综述
以下是专门与点云扫描匹配无损检测技术相关的论文列表:
- Scan Registration for Autonomous Mining Vehicles Using 3D-NDT
- 将原始NDT论文从 3 DoF 扫描配准扩展到完整的 6 DoF 配准
- 这可以被认为是点对分布 NDT (P2D)
- The Three-Dimensional Normal-Distributions Transform – an Efficient Representation for Registration, Surface Analysis, and Loop Detection
- NDT论文,涵盖2D-NDT、3D-NDT、Color-NDT
- 还涵盖了无损检测表示的变化:
- 三线性插值
- 链接节点等
- 有多种实证结果:
- NDT 比 ICP 更快、更一致
- NDT 比 ICP 更健壮,但仍需要良好的初始化
- Color-NDT优于普通NDT
- 还涵盖应用程序,例如闭环
- Fast and accurate scan registration through minimization of the distance between compact 3D NDT representations
- 引入分布到分布 NDT (D2D)
- 比 P2D-NDT 更快
- Beyond Points: Evaluating Recent 3D Scan-Matching Algorithms
- 比较多种NDT技术,以及对算法的各种调整,即:
- 用于处理边界效应的(三线性)插值
- 迭代细分提高鲁棒性
- 用于处理异常值/缺失数据的链接节点
- 与 D2D 相比,P2D 对于非结构化环境和扫描之间的小重叠更稳健
- D2D 速度更快,对初始估计不佳的敏感性更低
- 比较多种NDT技术,以及对算法的各种调整,即:
- Point cloud registration from local feature correspondences—Evaluation on challenging datasets
- 比较 ICP 变体和 NDT
- NDT 擅长处理平移,是最快的技术之一
- NDT 在处理旋转方面马马虎虎
- Evaluation of 3D Registration Reliability and Speed – A Comparison of ICP and NDT
- 比较 ICP 与 NDT 变体
- 为 NDT 引入三线性插值 - 导致更强的鲁棒性
- NDT 比 ICP 略快,通常更稳健
- Incorporating Ego-motion Uncertainty Estimates in Range Data Registration
- 向优化目标添加运动约束
- 比普通 D2D 慢
- 但是,在低信息环境(即无尽的走廊)上的性能要高得多
- Semantic-assisted 3D Normal Distributions Transform for scan registration in environments with limited structure
- 基于度量/基于特征的分区(也丢弃异常值)生成多个 NDT,扩展优化目标以处理这些多个 NDT
- 显示出强大的速度和准确性结果