NDT
Normalized Distribution Transform: 正态分布转换匹配
原理
NDT算法可以概括为以下三步，其中迭代优化是核心。
- 预处理：首先将目标点云数据分为若干格子，并计算每个格子的正态分布参数。
- 概率计算：然后将需要匹配的点云数据进行转换，对转换后的点云数据计算各点的概率密度。目标函数为各点概率密度之和。
- 迭代优化：使用牛顿优化法法对目标函数进行迭代优化，直到满足收敛条件。
由于目标点云数据只需要处理一次，之后使用的都是处理后的均值mu以及协方差矩阵Sigma，并且没有查找最近点的开销，运算速度会比ICP快。
示例代码
ICP
Iterative Closest Point 迭代最近点
原理
ICP的本质是最小二乘法