近几年来,四旋翼无人机作为一种常用的多旋翼无人机得到了普遍应用。而四旋翼无人机的位姿估计即定位一直是无人机领域的研究热点和难点,也是完成各种复杂任务的基础和前提。合适的定位算法是进行无人机导航的关键。常用的定位算法有迭代最近点算法(Iterative Closest Point,ICP),正态分布变换算法(Normal Distributions Transform,NDT)等。由于迭代最近点算法需要提取特征点并匹配特征点,所以该算法匹配效率低,速度慢。而正态分布转换算法是一种整体因素决定的匹配。其在配准过程中,避免点与点对应的复杂问题。相比于迭代最近点算法,该算法配准效率高,速度快。本课题主要研究NDT算法在小型四旋翼无人机中的定位。本课题首先采用四旋翼无人机自身携带的UTM-30LX二维激光扫描测距仪获取环境中离散点的距离和角度信息。然后将其转换为世界坐标系下的二维数据点,得到点云。其次对所得到的点云进行预处理工作,对比Kd-tree和Octree数据结构,选用Kd-tree数据结构进行点云的数据组织;对比欧式距离法和k邻域搜索法,选用欧式邻域搜索法完成近邻搜索;然后对比基于分布、基于深度、基于聚类、基于距离和基于密度的离群点判别方法,选用基于分布的Statistical Outlier Removal离群点滤除算法滤除离群点,完成点云的预处理工作。最后对预处理后的激光扫描数据用NDT算法进行点云匹配,通过激光扫描的2D离散数据集转换成二维平面中分段连续可微的概率分布。对目标点云和源点云的概率分布进行匹配,计算出匹配点的分数值并用牛顿算法进行优化,得到最优的变换参数。搭建了无人机的定位测试平台。其中硬件平台选用Pelican四旋翼无人机,搭载了UTM-30LX二维激光传感器。软件平台为PC机下的Linux ubuntu 64位操作系统。在PC机上安装Linux ubuntu 64位操作系统安装Qt软件并配置PCL库,然后进行定位测试。验证了NDT算法能够比较准确的估计无人机的运动情况,实现了NDT算法在小型四旋翼无人机中的定位。