一、原理概述
正太分布配准算法是一种应用了三维点统计模型的算法，它使用了标准最优化技术来确定两个点云间的最优匹配，由于大多数扫描匹配算法需要找到所使用特征之间的对应关系，因此其计算时间往往较长。而NDT由于它在匹配过程中不需要利用对应点的特征计算和匹配操作，所以其时间计算效率较为可观，适合处理大型的点云数据的配准处理。具体的算法过程如下所示：
总的来看该算法的配准过程分为四个步骤：
（1）计算目标点云的正态分布，方法是将点云扫描覆盖的区域划分为大小相同的“体素”。每个体素包含一组点。该算法计算每个体素中点的均值和协方差矩阵。
（2）以初始变换为基础，该算法将源点云与目标点云进行对齐。然后，它根据目标点云正态分布，找到位于点周围体素(在源点云中)的每个对齐点的统计似然之和。
（3）为了改进配准，该算法最大化源点云在目标点云正态分布上的概率得分。这是通过迭代优化角度和平移估计来实现的。
（4）使用上一步新的转换重复源点云与目标点云的对齐过程，然后重复优化。当满足最大迭代次数或精度阈值时
