导航和映射

点云配准和地图构建，二维和三维SLAM，二维障碍物检测

高级驾驶辅助系统(ADAS)应用和自主机器人的一个关键组成部分是，能够感知车辆或机器人相对于周围环境的位置，并利用这些信息估计到达目的地的最佳路径。同步定位和测绘(SLAM)过程使用算法来估计车辆的姿态和环境地图的同时。

Lidar Toolbox™提供了一个点云配准工作流，使用快速点特征直方图(FPFH)算法将点云序列拼接在一起。您可以使用此功能来进行渐进式地图构建。该地图可用于车辆导航路径规划，也可用于SLAM。下面是如何使用的例子extractFPFHFeatures函数在3-D空中数据SLAM工作流中，参见基于ffh描述符的航空激光雷达SLAM．

激光雷达工具箱还提供扫描匹配和模拟距离-方位传感器读数的功能。这些特征被用于二维SLAM和障碍物检测工作流程

功能

全部展开

姿态估计

`matchScans`	估计两个激光扫描之间的姿势
`matchScansGrid`	使用网格搜索估计两个激光雷达扫描之间的姿态
`matchScansLine`	估计两个激光扫描之间的姿态使用线特征
`transformScan`	基于相对位姿的激光扫描变换

传感器模型

rangeSensor 模拟距离-方位传感器读数

数据结构

`lidarScan`	创建存储2-D激光雷达扫描的对象
`eigenFeature`	用于存储基于特征值的特征的对象

登记

`pcregistericp`	采用ICP算法配准两点云
`pcregistercpd`	采用CPD算法配准两点云
`pcregisterndt`	用NDT算法配准两点云
`extractEigenFeatures`	从点云段中提取基于特征值的特征
`extractFPFHFeatures`	从点云中提取快速点特征直方图(FPFH)描述符
`pcmatchfeatures`	寻找点云之间的匹配特征
`pcmapsegmatch`	用于定位和环路闭合检测的段和特征图
`pcshowMatchedFeatures`	显示匹配特征点的点云