对点云配准NDT方法的理解

声明

本文纯属个人观点，如有错误，欢迎指导，谢谢！

正文

3维NDT是2维NDT的推广，看了介绍，看论文， 开始的时候还是不清楚，经过思考之后，感觉清楚了。 之前不清楚在于错误的理解了概率分布，我的思考方式是把二位图像当成了一个概率密度函数图像，亮度值=f(x,y)，但实际上，无论二维还是三维，都不是，使用的是点的密度。

从算法描述看，是统计每一小区域的坐标值的均值和方差，然后得到一个局部正态分布，显然点出现在均值的地方的概率是最大的，越远离均值就越小，即对于点密度大的地方，得到的模型估计的概率会大，实际上就是计算点密度，但是问题来了：

1. 点的密度可能和点云的来源有关，包括采集设备，或者是通过双目摄像头计算，另外正面的点密度应该比侧面更大。因为计算是在局部计算的，在一个很小的局部，可以忽略这种影响。
2. 概率密度相近的地方太多了，点云配准的时候，怎么能一一匹配呢？实际上这个概率密度不是区分物体表面的不同点，而是区分物体表面，概率密度的极大值所构成的点所在的平面可以近似认为就是物体表面，理想的情况下，所有的点都会在物体表面，但是由于误差的存在，一定会有偏差，离表面的法线方向越远，越不可能出现点，越在表面上越有可能出现点，个人认为这个分布近似于平面法线方向上的一个一