參考博客：
https://zhuanlan.zhihu.com/p/111388877
http://tb.huitaofuwu.com/2020/03/14/%E8%AE%BA%E6%96%87%E5%9B%9E%E9%A1%BE%E4%B9%8BLOAM/
https://www.cnblogs.com/wellp/p/8877990.html
論文提出了一種方法可以同時(shí)獲得低漂移和低復(fù)雜度，并且不需要高精度的測(cè)距和慣性測(cè)量。作者把復(fù)雜的SLAM問題一分為二，一個(gè)算法是高頻率（10hz）低精度的odometry過程，另外一個(gè)算法是低頻率（1hz）高精度的mapping過程，兩者結(jié)合起來，可以做到低計(jì)算量、低漂移和高精度SLAM。如果IMU可用，則其速度測(cè)量值可以作為odometry的先驗(yàn)。
作者提出了新穎的方法就是提取邊緣點(diǎn)和平面點(diǎn)作為特征點(diǎn)來使用，這種提取的方法就很簡(jiǎn)單只需要計(jì)算一個(gè)點(diǎn)前后五個(gè)點(diǎn)就可以得到該點(diǎn)的曲率，計(jì)算量就減少了很多。
LOAM算法流程
-
把t_k到t_k+1段的點(diǎn)云都投影大t_k+1段，這一過程就是運(yùn)動(dòng)補(bǔ)償?shù)倪^程，消除點(diǎn)云畸變。
odometry 和 mapping 的區(qū)別
- odometry 高頻，mapping是低頻；
- 優(yōu)化的目標(biāo)不同，odometry優(yōu)化的是兩幀之間的位姿；但是mapping優(yōu)化的是1秒鐘的點(diǎn)云在全局地圖中的位姿；
- 優(yōu)化用的特征點(diǎn)的數(shù)量不同，odo用的特征點(diǎn)數(shù)量很少（為了加速），但是mapping用的特征點(diǎn)的數(shù)量很多，為了提高精度；
- 找對(duì)應(yīng)線和對(duì)應(yīng)面的方式不同，odo是通過最近鄰搜索得到，mapping是通過k近鄰搜索+擬合（最小二乘）得到的。
