Lio-sam和lego-loam点线特征的提取区别

Lio-sam和lego-loam虽然都来自于同一作者，框架也类似，但是特征提取方面的细节仔细阅读，还是有所区别的。

在Lio-sam的文件featureExtraction.cpp中，在imageProjection预处理后，我们得到每一帧点云每一条线上的的起始和终止坐标，然后，lio-sam的做法是在一条线上，平均分成6份，寻找每一份中平滑度（smoothness）最大的20个点，存入特征点云中，并在cloudLabel中标记为1。

同时，对于面特征，只要平滑度小于一个阈值，其cloudlabel就会被标记为-1，

但是最后，传入到surface点云的，是所有cloudLabel不为1的点云，也就是说，只要不属于smoothness最大的20个角点，都会被放进去。处理的步骤相对于lego-loam相对简单。

在之后，在featureExtraction文件中，会直接将surf和corner进行发布。

注意，如果对于公路数据，采用lio-sam的角点特征，那么角点很可能来自路面点，因此可以视为无效角点，并且，也有一定可能性来自于车辆等物体。

而在lego-loam中，处理相对复杂。

因为在此前处理过程中，lego-loam已经进行了操作

1. 地面点降采样，（根据index是否为5的倍数）

2. 对于每个点用另一个数组提供标记，判断它是否为地面点

在接下来点面特征的提取过程中，对于一帧点云的每一条线，分成6个区域，选择曲率最大的四个点，视为sharp，而曲率最大的20个点则存入lesssharp中，对于面特征，则是取曲率最小的4个点。注意，lego-loam的面特征只从地面点中寻找，点特征只从非地面点中寻找。此外，取补集，得到lessflat和less sharp。

那么，

1. 为什么sharp要分为sharp和lesssharp两种呢？

2， 分为6份的原则是按照数量还是？

3. 面特征为什么不像点特征一样分成两种？