- 传感器/数据类型
- 激光slam
- 里程计
- 多传感器
- 多传感器融合
- 相机雷达标定
- 激光雷达和摄像头融合
- 常见配准算法
- icp
- ndt
传感器/数据类型
激光slam
slam (Simultaneous Localization and Mapping)叫即时定位与建图，它主要的作用是让机器人在未知的环境中，完成定位（Localization)，建图(Mapping)和路径规划(Navigation)。
激光slam 理论详解(一)
零基础如何入门激光SLAM
2021 高翔：视觉SLAM基础（哔哩哔哩：BV1nh411B7mv） 注：内嵌播放器手机适配很差。
<span data-mce-type="bookmark" style="display: inline-block; width: 0px; overflow: hidden; line-height: 0;" class="mce_SELRES_start"></span> document.getElementById("spkj").style.height=document.getElementById("spkj").scrollWidth*0.76 "px";
里程计
里程计是衡量我们从初始位姿到终点位姿的一个标准，通俗的说，我们要实现机器人的定位与导航，就需要知道机器人行进了多少距离，是往哪个方向行进的
ROS里程计的学习(odometry) (一)
多传感器
多传感器融合
传感器融合是感知模块的一部分。我们希望融合来自视觉传感器的数据，以增加冗余、确定性或利用多个传感器的优势。
超硬核 | 多传感器融合感知知识点汇总
相机雷达标定
传感器标定是自动驾驶的基本需求，一个车上装了多个/多种传感器，而它们之间的坐标关系是需要确定的。
自动驾驶系统的传感器标定方法：比较详细
激光雷达和摄像头融合
自动驾驶汽车中的激光雷达和摄像头传感器融合
常见配准算法
NDT 算法（与ICP对比）和一些常见配准算法
icp
ICP算法是基于EM(Expectation-maximization algorithm)思想的方法，采用交替迭代法优化得到最优值。即ICP分为两步迭代优化，优化点云匹配及优化运动估计。
ICP(Iterative Closest Point)算法
ndt
先将参考点云（目标点云）转换为多维变量的正态分布，匹配的点云如果采用某组变换参数后，使得新的点云和目标点云的正态分布参数匹配很好，那么变换点在参考系中的概率密度将会很大。因此，可以考虑用优化的方法求出使得概率密度之和最大的变换参数，此时两幅激光点云数据将匹配的最好。
自动驾驶系列：激光雷达建图和定位(NDT)
自动驾驶（十）---------正态分布变换（NDT）
