点云配准综述

1基本概念

点云配准定义：通过求解坐标转换关系，将连续扫描的两帧或多帧激光点云统一到同一坐标系（scan–to-scan），或者将当前扫描点云与以建立的地图进行配准（scan-to-map）从而最终恢复载体位置和姿态的变化。
slam配准：为了得到相对姿态变化，在实时性与精度之间取得平衡
测绘点云配准（拼接）：得到坐标系统一的点云，更注重精度
二者解决的是同一个问题。

2配准方法分类

文章主要从scan-to-scan内容，分为三类，基于点的配准icp类，基于特征的配准，基于数字特性的配准NDT类。
各自的特点：

采用由粗到精的配准逐渐称为主流方案

3待解决的问题与发展方向

( 1) 降低扫描匹配旋转分量误差，旋转参数误差往往与平移参数误差在同一量级，但在较远处造成的实际偏差往往很大，使测得的图不准，误差累积后漂移严重;
( 2) 应对扫描点云运动畸变问题，由于传感器随载体快速运动，扫描点云产生变形难以匹配，尤其是采用低速旋转3D LiDAＲ时
( 3) 有效处理动态场景中的动态目标，首先是识别和跟踪，然后是如何处理( 如采用降权的方式，而不一定是直接剔除的方式) ;
( 4) 长期运行而又不闭环情况下如何减小扫描匹配的累积误差，即漂移问题;
( 5) 寻求新的鲁棒高效的3D特征点，包括检测算法和特征描述子;
( 6) 混合扫描匹配算法，鲁棒于不同的环境条件，如重叠度变化、环境结构性条件变化以及高动态( 如大旋转角) ，可自适应调整参数切换或有效组合不同方法;
( 7) 故障监测，即有效预测和检测扫描匹配失败;
( 8) 运用深度学习等人工智能技术来解决扫描匹配问题
( 9) 结合语义信息进行扫描匹配( 如利用语义信息辅助ICP算法中的对应点匹配

参考文献：宗文鹏，等: 激光扫描匹配方法研究综述