雷射掃瞄匹配之基於點的掃瞄匹配

本文主要將雷射掃瞄匹配分為三類:

（1）基於點的掃瞄匹配；

（2）基於特徵的掃瞄匹配；

（3）基於數學特性的掃瞄匹配。

下面重要介紹基於點的掃瞄匹配

一，基於點的掃瞄匹配直接對掃瞄獲取的原始資料點進行操作，其中icp 演算法是比較成熟的一種演算法。標準icp演算法兩個關鍵步驟主要為:

(1)通過歐式距離最近建立點間對應關係c;

(2)通過最小化對應點間歐式距離平方和來求解新的相對變換。給定初值t，通過迭代進行上述兩步操作，當迭代終止時，演算法結束從而得到最優變換估值t，即位姿變化。其中chen 提出p2p1-icp演算法，採用更魯棒的點到面的距離作為誤差度量替代點到點距離誤差度量；

模組化的icp演算法可歸納為6個主要步驟：

(1)選擇點集;

(2)確定點集間對應關係;

(3)給對應點對適當加權;

(4)排除特定的對應點對;

(5)設定誤差度量;

(6)最小化誤差度量。

整個過程如下：對不同改進演算法進行對比。如下圖所示。

首先，可先對輸入掃瞄點雲進行濾波處理，去除冗餘點、離群點，或計算表面特徵如曲率和法向;

然後，將匹配函式用於關聯輸入點雲和參考點雲的元素，通常這一關聯過程在歐式空間進行並利用kd樹加速搜尋;建立好元素對應關係後，可利用不同的統計方法來排除錯誤或異常的元素對應，如可設定距離閡值，超過該閡值的對應點對被認為是無效對應而被剔除;

最終，剩餘的有效對應元素對被用於最小化誤差度量，求解新的變換關係直到滿足收斂條件。

(2)欠約束導致的誤差，一些環境下沒有足夠的資訊來估計完整的位姿資訊，如長直走廊環境或圓形場景，但可通過fisher資訊矩陣來檢查是否是該情況;

(3)感測器雜訊引起的誤差，即使icp演算法到達真值的收斂域，感測器雜訊的存在仍將導致其最終結果不同。當icp用於定位時，克拉美鑼下界caal給出了協方差的良好近似，但是對於掃瞄匹配來說過於樂觀。

此外，由於資料關聯開始是未知的，迭代的方法不一定能建立正確的對應關係。由最小二乘匯出的不確定度估計不能準確反映資料關聯中的不確定度，不確定度估計往往過於樂觀。另外兩個與icp演算法相關的問題為:

（1）計算效率問題:為加速收斂，besl基於最近兩到三次迭代過程中變換變數的值，利用線搜尋方法啟發式地確定變換變數;雖然這在一定程度上改善了區域性極值處的收斂速度，但對於較大的旋轉仍然不能得到較好的結果。

（2）魯棒性問題:異常點對掃瞄匹配影響較大，文獻提出採用預處理技術減少異常點。儘管如此，很難將lidar資料中所有異常點或雜訊徹底剔除。