loam特征的合理性校验

        首先，我们看下LOAM系列的有些东西。（计算点云的分布特征）

        很熟悉的LOAM系列算法，在判断所选取的特征点构成的平面/线是否合理的时候，采用计算其特征点的协方差矩阵，然后对其分解，求解特征值和特征向量的方式，假设特征值为降序排列(特征向量顺序也一一对应)：

                x1>x2>x3，对应的特征向量为v1，v2，v3.

1. x2 >> x3：则该集合具有面特征，面的法向量方向与v3相同（两大一小，小的特征值对应的特征向量则是法向方向）；
2. x1 >> x2：则该集合具有线特征，线的方向与v3相同（两小一大，大的特征值对应的特征向量则是线方向）；
3. 不是以上两种，则无特征；

以上这种如果不理解可以搜一下，网上有一个动态图（我暂时忘记在哪儿了），很形象的展示了点云特征的变化；

        另外，采用特征分解我们大都是调库去做，最常用的就是Eigen和Opencv，这里需要注意一下的就是Eigen和Opencv分解出来的顺序不同：

        Eigen分解：特征值升序排列，特征向量为列向量形式；

        Openv分解：特征值升序排列，特征向量为行向量形式 ；

总结：在loam（aloam）、floam、lego-loam中，均是采用以上方法校验线特征，平面特征是否合理采用最小二乘方程组+qr分解去求解法向，判断点到平面距离是否超出门限值实现的；