Cuối cùng chúng thực hiện lặp lại điểm gần nhất (ICP).Mục tiêu là căn chỉnh 2 đám mây điểm
1) Lỗi khởi tạo giữa các đám mây điểm đến vơ hạn.
2) Tính tương ứng của các điểm
Sự tương ứng có thể được tính tốn bằng cách sử dụng các thuật tốn tìm kiếm điểm gần nhất như K láng giềng gần khoảng cách ơclit giữa các đám mây điểm là
𝑑(𝑝1,𝑝2) = |𝑝1− 𝑝2| = √(𝑥1− 𝑥2)2+(𝑦1 − 𝑦2)2+(𝑧1− 𝑧2)2 (3)
3) Tính tốn ma trận quay và dịch SVD
Phân chia các giá trị đơn lẻ (SVD) trong đại số tuyến tính là một cách biểu diễn ma trận 𝑊 ∈ ℛ sao cho 𝑊 = 𝑈 · ∑ · 𝑉𝑇 với 𝑈,𝑉 ∈ ℛ và ∑ ∈ ℛ𝑛là ma trận đường chéo với giá trị của 𝑊.
Gọi 𝒫 = {𝑝1,𝑝2 …,𝑝𝑛} và 𝑄 = {𝑞1,𝑞…,𝑞𝑛} là ma trận tập hợp điểm ℛ3𝑥3, và giả định cả 2 có cùng số điểm , 𝑁.
Mỗi tập hợp chất điểm được xác định là một khối tâm µ𝑝 = 1
N∑𝑁𝑖=1𝑝𝑖 (4)
µ𝑞 = 1
N∑𝑁𝑖=1𝑞𝑖 (5)
Máy ảnh: là một cảm biến quan trọng đối với xe tự lái, vì chúng sẽ chụp môi trường xung quanh để phát hiện đồ vật, con người và chướng ngại vật. người ta phân loại máy ảnh dựa trên thấu kính là máy ảnh lỗ kim và máy ảnh có ống kính
Máy ảnh lỗ kim được dựa trên tập trung ánh sáng vào một điểm duy nhất và hướng ánh sáng này vào phim máy ảnh. Tuy nhiên, điều này hạn chế mức độ ánh sáng có thể đo được. Máy ảnh có thấu kính sẽ hội tụ ánh sáng vào một điểm trong mặt phẳng hội tụ ở tiêu cự.
Để có được thơng tin về độ sâu, cần có nhiều hơn một hình ảnh từ một đối tượng. Có hai cách để giải quyết vấn đề này. Cách đầu tiên là sử dụng máy ảnh một mắt. Chi phí là giảm vì cần ít phần cứng hơn nhưng có thể khó triển khai hơn. Cách thứ 2 để lấy thông tin về độ sâu là sử dụng 2 máy ảnh cách nhau một khoảng cách nhất định từ nhau và tầm nhìn âm thanh nổi.
Để phát hiện các đối tượng địa lý, mục tiêu là xác định các vùng thú vị từ hình ảnh. Này các vùng được gọi là bộ mơ tả và chúng có thể được trích xuất theo ba cách khác nhau:
1) Bản và hình ảnh: Phương pháp trích xuất các bộ mơ tả đầu tiên này dựa trên việc xác định các vùng sở thích vá lỗi từ hình ảnh. Q trình chiếu sáng và
chuẩn hóa tư thế có thể được thực hiện để tạo các bộ mô tả càng chung chung càng tốt. Tuy nhiên, các bản vá hình ảnh khơng hoạt động tốt khi có các biến thể bên trong cùng 1 lớp.
2) Bộ lọc: Tương tự như các kỹ thuật được sử dụng để phát hiện làn đường nó là có thể sử dụng tính năng phát hiện biên để nhận dạng bộ mô tả. Một cách hiệu quả để làm điều này là sử dụng Laplacian của Gaussian (LoG) trong đó các dẫn xuất của các pixel được tính tốn để thu được các đốm màu từ các cạnh nhỏ hơn một kích thước nhất định. Trích xuất bộ mơ tả bằng cách sử dụng bộ lọc là một cách tốt để xử lý tư thế các thay đổi và các biến thể bên trong cùng một lớp
Hình 23Trích suất bộ mơ tả sử dụng bộ lọc. Hình ảnh gốc (bên trái) ứng dụng LoG (bên phải) hình ảnh có bộ mơ tả dưới cùng.
3) Bộ mô tả Phương pháp hoạt động tốt nhất để phát hiện đối tượng địa lý là sử dụng các bộ mô tả xác định nhiều nhất các điểm quan trọng trong hình ảnh.