LiDAR SLAM技术是自动车辆精确导航的重要方法，是自动车辆在复杂公园非结构化道路环境中安全驾驶的前提。提出了一种LiDAR快速点云配准算法，该算法通过正态分布变换（NDT）和点对线迭代最近点（PLICP）相结合，实现了自动车辆点云的快速准确定位和映射。首先，应用NDT点云配准算法对相邻帧之间的点云进行粗配准，实现自动车辆姿态的粗估计。然后，采用PLICP点云配准算法对点云的粗配准结果进行修正。此步骤完成点云的精确配准，并实现自动车辆姿势的准确估计。最后，云注册会随着时间的推移而累积，点云信息会不断更新以构建点云地图。通过大量实验，我们将所提出的算法与PLICP进行了比较。相邻帧之间点云配准的平均迭代次数减少了6.046。相邻帧间点云配准的平均运行时间减少了43.05156ms。点云配准器的计算效率提高了约51.7%。通过应用KITTI数据集，NDT-ICP的计算效率比LeGO-LOAM高约60%。该方法在复杂的停车环境中，利用车载激光雷达实现了自动车辆的精确定位和地图绘制，并应用于小型旋风自动车辆。结果表明，该算法是可靠有效的。

1. [1] K.M.Wurm、C.Stachniss和G.Grisetti，“缩小基于特征和网格的SLAM之间的差距”，《机器人与自治系统》，第58卷，第2期，第140-148页，2010年。
2. [2] A.Eliazar和R.Parr，“DP-SLAM：无预定地标的快速、稳健的同步定位和绘图”，Proc。第18届国际人工智能联合会议（IJCAI-03），第1135-1142页，2003年。
3. [3] S.Thrun、W.Burgard和D.Fox，《概率机器人学》，麻省理工学院出版社，2005年。
4. [4] M.Kaess、H.Johannsson、R.Roberts、V.Ila、J.Leonard和F.Dellaert，“iSAM2:使用贝叶斯树的增量平滑和映射”，《机器人研究国际期刊》，第31卷，第217-236页，2012年。
5. [5] R.Zlot和M.Bosse，“地下矿山的高效大规模3D移动测绘和表面重建”，第七届现场和服务机器人国际会议，2012年。
6. [6] L.Hengjie、B.Hong和X.Cheng，“基于IMU和激光雷达融合的快速闭环SLAM”，物理学杂志：会议系列，2021电气、电子和计算技术国际会议（EECT 2021），2014年第14卷，文章编号0120192021。
7. [7] S.Yuan、H.Wang和L.Xie，“无人系统定位系统和算法综述”，《无人系统》，第9卷，第2期，第129-163页，2020年。
8. [8] P.Jiang，L.Chen，H.Guo等人，“基于激光雷达/惯性测量单元集成系统的新型室内定位算法”，《先进机器人系统国际期刊》，第18卷，第2期，doi:10.1177/17298814219999232021年。
9. [9] J.Li，X.Zhang，J.Li.等人，“基于激光雷达和相机融合的三维语义图的构建和优化”，《神经计算》，第409卷，第394-407页，2020年。
10. [10] X.Guo，Y.Liu，Q.Zhong等人，“基于激光雷达和视觉融合的运动目标跟踪算法研究”，《高级计算杂志》。智力。智力。Inform，第22卷，第5期，第593-601页，doi:10.20965/jaciii.2018.p0593，2018年。
11. [11] Q.Zhong，Y.Liu，X.Guo等人，“基于3D激光雷达的动态障碍物检测和跟踪”，《高级计算杂志》。智力。智力。Inform，第22卷，第5期，第602-610页，doi:10.20965/jaciii.2018.p06022018。
12. [12] K.Konolige、M.Agrawal和J.Solá，“粗糙地形的大尺度视觉里程表”，第13国际交响乐团。机器人研究（ISRR），2010年。
13. [13] David Nistér、O.Naroditsky和J.r.Bergen，“地面车辆应用的视觉里程表”，《野外机器人学杂志》，第23卷第1期，第3-20页，2006年。
14. [14] P.J.Besl和N.D.McKay，“3D形状的注册方法”，IEEE Trans。模式分析和机器智能，第14卷，第2期，第239-256页，1992年。
15. [15] S.Rusinkiewicz和M.Levoy，“ICP算法的有效变量”，Proc。第三届国际三维数字成像与建模大会，第145-152页，2001年。
16. [16] A.Censi，“使用点对线度量的ICP变体”，2008 IEEE机器人与自动化国际会议，doi:10.1109/ROBOT.2008.45431812008。
17. [17] Y.Chen和G.Medioni，“多幅图像配准的对象建模”，《图像与视觉计算》，第10卷，第3期，第145-155页，1992年。
18. [18] A.Segal、D.Haehnel和S.Thrun，“广义ICP”，Proc。《机器人：科学与系统》，2009年。
19. [19] R.A.Newcombe、S.Izadi、O.Hilliges等人，“Kinect融合：实时密集表面映射和跟踪”，Proc。IEEE国际交响乐团。《混合与增强现实》，第127-136页，2011年。
20. [20] A.Nuchter，“机器人3D绘图扫描匹配的并行化”，Proc。第三届欧洲移动机器人大会，2007年。
21. [21]D.Qiu、S.May和A.Nuchter，“GPU-Accelerated Nearest Search for 3D Registration”，Proc。计算机视觉系统国际会议，第194-203页，2009年。
22. [22]D.Neumann，F.Lugauer，S.Bauer等人，“使用随机球盖数据结构在GPU上进行实时RGB-D映射和三维建模”，2011年IEEE计算机视觉研讨会（ICCV研讨会）国际会议，2011年。
23. [23]P.Biber和W.Strasser，“正态分布变换：激光扫描匹配的新方法”，Proc。2003年IEEE/RSJ智能机器人和系统国际会议（IROS 2003），2003年。
24. [24]M.Magnusson、A.Lilienthal和T.Duckett，“使用3D-NDT扫描自动采矿车的注册”，《现场机器人学杂志》，第24卷，第10期，第803-8272007页。
25. [25]R.B.Rusu、Z.C.Marton、N.Blodow和M.Beetz，“学习获取对象模型地图的信息点类”，Proc。IEEE控制、自动化、机器人和视觉国际会议，第643-650页，2008年。
26. [26]R.B.Rusu、G.Bradski、R.Thibaux和J.Hsu，“使用视点特征直方图的快速3D识别和姿势”，Proc。IEEE/RSJ智能机器人和系统国际会议，第2155-2162页，2010年。
27. [27]M.Bosse和R.Zlot，“2D激光雷达地图中位置识别的关键点设计和评估”，机器人与自治系统，第57卷，第12期，第1211-1224页，2009年。
28. [28]R.Zlot和M.Bosse，“地下矿山的高效大比例尺三维移动测绘和地表重建”，Proc。2012年第八届现场和服务机器人国际会议。
29. [29]J.Zhang和S.Singh，“LOAM：激光测距和实时测绘”，Proc。《机器人：科学与系统》，2014年。
30. [30]J.Zhang和S.Singh，“低驱动和实时激光雷达里程测量和制图”，《自动机器人》，第41卷，第2期，第401-416页，2017年。
31. [31]R.Dube、D.Dugas、E.Stumm、J.Nieto、R.Siegwart和C.Cadena，“SegMatch:3D点云中基于分段的位置识别”，Proc。IEEE机器人与自动化国际会议，第5266-52722017页。
32. [32]T.Shan和B.Englot，“LeGO-LOAM：轻型和地面优化激光雷达测深和可变地形测绘”，IEEE/RSJ智能机器人和系统（IROS）国际会议，第4758-47652018页。
33. [33]朱博士，《点云图书馆PCL学习课程》，北京航空航天大学出版社，2012年。
34. [34]M.Quigley，B.Gerkey，K.Conley等人，“ROS:开放源码机器人操作系统”，开源软件研讨会（与ICRA 2009合编），2009年。