环境退化识别（长走廊）

在实际工程应用中，会遇到雷达点云很难解决的问题，例如长走廊，圆形区域，这时候帧间匹配容易出现问题，要降低帧间匹配的权重。那如何识别出环境正在退化呢？

点云的曲率分布

长走廊场景指的是两面都是墙，是没有曲率变化的，通过当前点前后连续点可以计算出曲率，若曲率：

1. 90%以上是同一曲率，并带有连续性，是长走廊

2. 90%以上是一个曲率的正负数，并带有连续性，是长走廊

3. 90%曲率连续变化的，变化量也保持稳定，是圆形

其他方法（TODO）

另一个方法暂时停留在概念上，无法投影到计算中：

从匹配来讲，长走廊环境下，会出现一个方向上概率一致，主要特点是：

1. 概率都会比较高

2. 概率无明显波动

是否可以用概率梯度的方法来识别出退化环境？

以及使用点云识别的方式，例如ransac识别出直线，并统计同一曲率的直线点云数量占比，占比高于80%（阈值可调），即可认为是长走廊。