Probabilistisches Scanmatching

Hähnel et al. schlagen ein probabilistisches Scanmatching vor [32] und betrachten dabei das korrekte Zusammenfügen von zwei 3D-Scans als Optimierungsproblem. Im Gegensatz zum ICP minimieren sie keine Fehlerfunktion, sondern maximieren die bedingte Wahrscheinlichkeit für einen 3D-Scan $S$ bei gegebener Roboterpose $l$ und einem zuvor aufgenommenen 3D-Scan $S'$:

$$\max \ P(S \vert S',l).$$

Um das Maximum zu finden, wird die Pose des Roboters solange verschoben, bis sich die Wahrscheinlichkeit nicht mehr verändert. Die anzuwendende Transformation berechnen Hähnel et al. nicht in geschlossener Form. Durch das Gradientenverfahren können sie nicht garantieren, dass das globale Maximum erreicht wird [32].

Durch die Einführung von Wahrscheinlichkeiten in das Scanmatching lassen die Fehlerwahrscheinlichkeiten des Scanner gut modellieren [32].