本文由CSDN点云侠原创，原文链接，爬虫自重。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫与GPT生成的文章。

一、算法原理

1、论文概述

  传统的正态分布变换配准算法处理初始位姿变换相差较大的两帧点云时，存在无法收敛或者陷入局部最小值的问题。为了提高算法的收敛性能，提出了一种基于LM方法改进的三维正态分布变换配准算法。在原始点云的体素滤波中，引入k最邻近搜索寻找距离重心最近的点作为替代点，提高点云数据在下采样后的精度。在算法的迭代优化步骤中使用列文伯格-马夸尔特法,通过计算因子ρ的值动态调节每次迭代过程的步长直到达到最优，避免无法收敛或陷入局部最小值的问题。实验数据表明，相比于传统的正态分布变换配准算法，所提算法在初始位姿变换相差较大时，精度更高且鲁棒性较好。

2、参考文献

[1] 胡璇熠,崔更申,匡兵,等. 基于LM优化的NDT点云配准算法 [J]. 计算机仿真, 2023, 40 (11): 306-310.

<