정규분포 변환 (Normal Distributions Transform)

한 줄 정의: 점군을 격자 셀별 정규분포로 표현하고 우도를 최대화하는 방식으로 두 스캔을 정합하는 알고리즘입니다.

쉽게 풀면

공간을 칸으로 나누고 각 칸의 점들을 평균과 공분산을 가진 정규분포로 요약합니다. 그다음 새 스캔을 이리저리 옮겨 보며 그 분포들과 가장 잘 맞는 위치를 찾습니다. Biber와 Straßer가 2003년 2차원 레이저 스캔용으로 제안했고, Magnusson 등이 3차원으로 확장했습니다.

왜 중요한가

점 하나하나의 대응점을 찾지 않아도 되어 계산이 빠르고 초기 위치 오차에 비교적 강해, 라이다 기반 자율주행 차량의 지도 기반 위치추정에 널리 쓰입니다.

논문에서는 이렇게 쓰입니다

"사전 구축한 3차원 점군 지도에 NDT 정합을 적용하여 차량의 위치를 10 Hz로 추정하였다."

지도와 현재 라이다 스캔을 NDT로 맞춰 위치를 계산했다는 뜻입니다.

조금 더 깊게 보면

NDT는 각 셀 분포에 대한 점들의 우도(점수)를 변환 매개변수의 함수로 보고 뉴턴법 등으로 최적화합니다. 점수 함수가 매끄러워 기울기와 헤시안을 해석적으로 구할 수 있습니다. 셀 크기 선택이 성능에 큰 영향을 주어 다중 해상도 격자를 쓰는 경우가 많습니다.

주의할 점

반복최근접점알고리즘이 점과 점의 대응을 찾아 거리를 줄이는 방식이라면, NDT는 점을 분포에 맞추는 확률적 방식입니다. NDT 약어는 비파괴검사(non-destructive testing)와 겹치므로 문맥을 확인해야 합니다.