SLAM 前端匹配算法 IMLS-ICP

实际点云中隐藏着真实的曲面，如果能把这个曲面重构出来，然后选用代表性高的激光点（曲率、法向量过滤）与曲面进行匹配，则匹配精度会非常好，这就是IMLS　ICP。

１.基本思想

IMLS(Implict Moving Least Square)Implict实际的意思就是隐式的构建曲面，Moving指的是随匹配点在参考系点云上进行窗口式的滑动，Least Square指的是利用最小二乘法来对曲面进行拟合

可以分为两步，一是选取激光点，二是重构曲面。

• 选取激光点：选取具有代表性的激光点进行匹配，与NICP类似，采用曲率、法向量来对激光点进行过滤，最好的激光点是结构化的点，也就是曲率最小的点。既能减少计算量，又能避免激光点云数据分布不均匀导致计算结果出现偏移
• 曲面：隐藏在点云中的曲面，不需要用表达式来求解曲面，而是隐式的表达曲面，用点到参考点云的一定范围（x,x’）内的点云来表示曲面。曲面构建越准确，匹配的精度越高。

2.特征点的选取：

第三点，可以通过统计xy每个方向上的法向量来保证激光点分布均匀

3.曲面的重建

其中，指的是点x到参考点云上的p的法向投影，类似于PL-ICP，实际就是指点x到点云的距离，也可以理解为点x到点云的高度；W指的是权重，当x离得p点越远，则权重越小，目的就是只选取离x点最近的参考点云；曲面拟合的原理就是采用最小二乘拟合，用分布在一条曲线附近的离散点对曲线进行拟合，不同于PL-ICP的分段折线的方案，最小二乘法拟合效果更好。

4.匹配求解

小节

IMLS ICP可以理解为结合了NICP特征点的选取原理及PL-ICP点到直线的进行匹配，不同的在于IMLS-ICP利用最小二乘法来对曲面进行拟合。该算理论上是目前最精确的前端匹配算法。