LiDAR で検知したものを高精度地図上のものとマッチさせる。 マッチさせるアルゴリズムは複数あるが、そのうちの一つが Iterative closest point(ICP) approach 。 物体のそれぞれのポイントについて、距離の平均誤差が小さくなるように回転や Translate( ? ) させる Filter approach は別のやり方。 Apollo では Histogram Filter approach をとっている。 これは Sum of Squared Difference(SSD) とも呼ばれる。 違いの値がより小さい点が中心点。 Kalman filter もまた他の approach 。 このアプローチでは、前回値と次の地点の予測値を使う。 LiDAR による Localization の強みは Robustness 。地図とセンサーがあればいつでもローカライズ可能。 ただし弱点もある。高精度地図とセンサーに頼っているが、地図を常に最深化することは難しい。 また、一時的にしか存在しない要素 ( 歩行者や車など ) や道路の封鎖なども発生する。