0. 简介 这一讲按照《Autoware 技术代码解读（三）》梳理的顺序，我们来说一说Autoware中的ndt定位，这个软件包有两个主要功能：1. 通过扫描匹配进行位置估计，2. 通过ROS服务使用蒙特卡洛方法估计初始位置 1. 代码阅读 1.1 debug.cpp 这段代码是一个用于生成用于调试的可视化标记数组的函数。它接受时间戳、坐标系、缩放比例、粒子信息和索引作为输入，并返回一个

ICP算法 NDT算法 代码：https://github.com/taifyang/pointcloud-registration 参考：高翔《自动驾驶与机器人中的SLAM技术》

注意：如下实验是针对里程计任务而进行的，默认是帧间匹配，而对于帧到局部地图匹配情况下的长时间下的轨迹精度对比，请参考我的这篇博客： 【附优化方法的ICP源码】ICP与NDT匹配算法精度对比，以及手动实现的ICP和基于优化方法的ICP精度对比 1.实验条件 前提：以下ICP与NDT算法均使用的是PCL 1.8库中提供的实现方法，它们可以设置的参数较多，这里只探讨那些最常用的参数。 数据：杭州海

一、代码 主代码main.m，三种配准方法任选其一 % 读取点云文件source_pc = pcread('bun_zipper.ply');target_pc = pcread('bun_zipper2.ply');% 下采样ptCloudA = point_downsample(source_pc);ptCloudB = point_downsample(target_pc);%

本文旨在帮助读者利用自己的数据包完成3D点云地图下的定位，公开数据包NDT：自动驾驶系统进阶与项目实战（六）基于NDT的自动驾驶高精度定位和ROS项目实战，本文只讲应用。 废话不多说，直接开始！ 一、安装ndt_localizer #创建工作空间mkdir -p ~/ndt_localizer/srccd ~/ndt_localizer/srccatkin_init_works

https://blog.csdn.net/u013351270/article/details/69391135 http://ghx0x0.github.io/2014/12/30/NDT-match/   一文读懂自动驾驶中常用的定位算法之NDT点云配准算法（1）——Paper Reading https://blog.csdn.net/qq_23225073/a