1. 课程导入

欢迎进入《点云配准与三维地图构建》课程。本课程面向三维视觉、机器人导航、自动驾驶、数字孪生与测绘等方向的学习者，目标是建立从“点云数据”到“可用三维地图”的完整技术链路认知。点云配准解决的是“多帧点云如何对齐到同一坐标系”的问题，三维地图构建解决的是“如何把对齐后的点云组织成可查询、可更新、可导航的地图”的问题。两者前后衔接，构成空间智能系统的基础能力。

学习目标

完成本课程后，你应当能够：

• 理解点云配准的数学本质：刚体变换、对应关系估计与误差最小化。
• 掌握主流配准方法：ICP、NDT、GICP、特征法（FPFH、SHOT）与基于学习的配准。
• 能够根据场景选择配准策略：粗配准与精配准、帧间配准与地图配准、全局与局部优化。
• 理解三维地图的表示形式：点云地图、体素地图、八叉树地图、TSDF、ESDF 与语义地图。
• 能够搭建一个最小可用的建图流程：数据采集、预处理、配准、位姿图优化、地图融合与保存。
• 具备排障能力：识别配准失败、漂移、闭环错误与地图重影等典型问题。

核心概念与整体框架

点云配准的核心是求解两个点云之间的空间变换。给定源点云 P = {p_i} 和目标点云 Q = {q_j}，目标是找到旋转矩阵 R 与平移向量 t，使变换后的源点云与目标点云尽可能重合。其优化目标可写为：

min_{R,t} Σ_i || R·p_i + t - q_{c(i)} ||²
其中 c(i) 表示 p_i 在 Q 中的对应点

当对应关系已知时，该问题可用 SVD 闭式求解；当对应关系未知时，需要交替进行“找对应”和“求变换”，这正是 ICP 类方法的基本思想。三维地图构建则是在配准基础上，把多帧点云按估计位姿拼接，并通过位姿图优化、闭环检测与地图融合，抑制累积误差，形成全局一致的地图。

整体框架可以概括为“感知—配准—优化—建图—应用”五层链路。下图展示了本课程的核心数据流与模块关系：

方法流程：从两帧配准到全局地图

一个典型的三维建图流程如下：

1. 数据采集与同步：获取 LiDAR、RGB-D 或双目点云，并同步 IMU、轮速计等辅助信息。
2. 预处理：体素降采样、统计滤波去噪、地面分割、法向量估计与特征提取。
3. 帧间配准：对相邻帧做粗配准（特征匹配、RANSAC）与精配准（ICP/NDT/GICP），得到相对位姿。
4. 位姿图构建：以机器人位姿为节点，以配准结果为边，加入闭环约束。
5. 全局优化：使用 g2o、Ceres 或 GTSAM 求解位姿图，消除累积漂移。
6. 地图融合：按优化后位姿拼接点云，构建体素、八叉树或 TSDF 地图。
7. 保存与应用：输出 PCD、PLY、OctoMap 或语义地图，供导航、规划与可视化使用。

典型应用场景

点云配准与三维地图构建已广泛应用于多个领域。下表列出典型场景及其关键技术需求：

常见误区与复盘