SLAM开源代码框架学习

LOAM存在的问题：

1、loam需要提取平面点和边缘点，由于车体上下颠簸，竖直维度的平面点容易造成误差

2、没有回环检测

LEGO-LOAM

lego—loam的改进

1、着重解决一些非城市化或非平整道路上LOAM存在的问题

1. 在提取特征点之前进行了一个聚类，剔除低于30个数据的点，剩下的就是相对静态的点；
2. 特征点提取：40个边缘点、80个平面点分别组成两个大集合，2个边缘点4个平面点组成；两个小集合；
3. 运动估计：小集合到大集合的匹配，点到线的关系，
4. 地图构建：LEGO-LOAM采用scan-to-map，scan为当前帧点云中的特征点集；map有两种取法：第一种，和LOAM中一致，10立方米；第二种，选一组时间上相近的特征点云，构建图优化问题。当前时刻的特征点云作为观测数据，当前位姿作为优化节点。

2、增加了简单的回环模块

1. 第一步，寻找历史位姿：1.与当前位姿的距离上最近。2.与当前位姿间隔时间较长。（这样才是回环）
2. 第二步，把历史位姿作为候选，用ICP算法迭代，修正位姿。

lego—loam存在的问题

1. 依赖地面
2. 保存的地图是稀疏的特征点的地图。
3. 回环简单

LIO-SAM