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。