点云配准NDT算法测试数据，可以查看我的博客进行理解并使用代码进行测试。

针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题,提出一种采用点云重心距离进行边界检测的点云数据配准新算法.该算法首先运用主成分分析法进行点云数据粗配准,获得良好点云姿态;其次,采用点云重心距离特征进行边界检测并提取待配准点云边界;在此基础上,利用K-D树在两点云边界中查找对应最近点对,并通过单位四元数法进行坐标转换,求得平移矩阵及旋转矩阵,从而实现快速、精确的点云数据配准.实验结果表明:与经典ICP算法、现有改进ICP算法相比,本文中点云边界特征点的提取简单快速,极大简化了配准点集,简化率达到2.24%,改进方法的配准效率提高了25.8%.本文算法在保证精度基础上有效提高了配准效率,适用于数据量较大的点云数据配准.

点云库学习入门用，PDF版高清点云库学习入门用，PDF版高清点云库学习入门用，PDF版高清点云库学习入门用，PDF版高清

多个数据模型的点云重建，包括兔子，马等8中数据重建，能够运行成功

MS-SVConv 使用多尺度稀疏体素架构计算3D点云注册的功能

点云过程 深蓝三维点云处理课程

郭浩主编点云库PCL随书代码

利用PCL开源库编写代码NDT+ICP算法实现点云高精度配准，包括粗配准+精配准，并计算配准误差！基于PCL库版本1.9！

最小二乘求解平面方程及其对应法向量.md

依赖关系： : 运行：ros2运行ros2_point_cloud_python point_cloud