为了减小激光三维扫描仪多传感器点云拼接误差的影响，提出了一种以圆柱体作为标准物体逐层修正拼接误差的简便方法。对标准物体扫描且拟合出各截面圆心坐标，并利用圆柱体实际半径值求得截面真值圆函数，将每层测量数据向真值圆函数进行平移刚性变换，求得该层的拼接误差和修正值。为了减小随机误差的影响，利用多次重复测量求得平均修正值，并用求出的平均修正值分别对圆柱体、长方棱柱体和石膏人体模特的不同位置的扫描结果进行了修正验证实验。从截面图的直观观察和定量数据测量两方面比较了修正前后的点云拼接效果，结果表明，修正后点云拼接更加光滑平顺，数据测量相对误差有显著降低。

本人翻遍了CSDN都找不到一个正确的TOA定位算法程序，唯一找到的一个是用最小二乘解的（参考文献N. Patwari, J. N. Ash, S. Kyperountas, A. O. Hero, R. L. Moses, and N. S. Correal, "Locating the nodes: cooperative localization in wireless sensor networks," IEEE Signal Processing Magazine, vol. 22, no. 4, pp. 54-69, 2005.），性能无法达到克拉美罗界。 因此本人自己重新写了一个程序，参考该领域著名学者K. C. Ho的文章（参考文献Z. Ma and K. C. Ho, "TOA localization in the presence of random sensor position errors," in 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2011, pp. 2468-2471.）。该算法适用于传感器位置有误差/无误差的情况，算法性能能够达到克拉美罗界。示例程序中给出了CRLB的程序，场景为传感器有误差的情况。程序运行结果与参考文献一致。 （搞不懂现在的人都是要什么50积分，多分享下不好吗？） ******特别提示******：本代码多处使用了Matlab 2016a以后支持的新语法，旧版本无法正常运行的，请自行修改代码或更新Matlab版本！！！