第二次组会

scanRegistration做的是提取特征
LaserOdometry输出的是低精度的Odom
LOAM是计算smoothness计算的
c比较小的化就是平面点，大就是边缘点
最后作为一帧点云的特征
但是有一些laser没去选取
上面是特征提取部分

下面是匹配部分
scan-to-scan的方法，找三角形，然后构建约束进行优化，其中设计的优化问题，LOAM给出了在线、平面这两个情况下的的cost functon，通过优化两个cost function就可以来求解T（两帧之间的旋转和位移矩阵）

不过论文的处理必须是在机器人匀速状态下测得的数据，假设机器人是匀速的。
因为一开始10hz输出的有一个粗略的odomtery，所以其是10个laser作为一个local_map进行优化的，然后做map-map的匹配。
s2s相当于给出一个比较粗略的odom，m2m是给出一个更精确经过优化的特征。