NDT配准是基于正态分布,而不是其他类型的配准,这些配准通过匹配点或线来找到两个点云之间的转换。NDT方法使用了带有三维盒子(称为体素)的统计模型。
为了配准两个点云,一个移动点云和一个固定点云,使用NDT方法,算法执行如下操作:
计算固定点云的正态分布,方法是将点云扫描覆盖的区域划分为大小恒定的三维框,称为“体素”。每个体素包含一组点。该算法计算每个体素中点的平均值和协方差矩阵。
从对变换的初始猜测开始,算法将移动点云对齐到固定点云。然后,根据不动点云的正态分布,找到在移动点云中围绕点的体素中每个对齐点的统计似然和。
为了改进配准,该算法最大限度地提高了移动点云对定点云正态分布的概率评分。这是通过迭代优化角度和平移估计来实现的。
使用上一步的新变换重复移动点云与固定点云的对齐,然后重复优化。
一旦满足最大迭代次数或公差参数,算法将停止。公差是角度和平移估计从一次迭代到另一次迭代的变化程度的度量。