LeGO-LOAM论文阅读：相比于LOAM差别在哪里？

LeGO-LOAM可以看成是LOAM的升级版，在LOAM的基础上做了不少的改进，大概有以下几点：

1. 特征提取
   1. 增加了地面分割和点云聚类
   2. 在地面点上提取平面点，在非地面点上提取角点
2. lidarOdometry
   1. 角点只在当前点的前一帧对应聚类中寻找，面点只在当前点对应的前一帧地面点中找，减少了候选点的个数
   2. 使用了两次L-M优化，先匹配面点获得[t_z, θ_roll, θ_pitch]，再利用获得的上述变量作为约束加上角点的匹配获得剩余的变量[t_x, t_y, θ_yaw]
3. lidarMapping
   1. 更改了Map的存储方式，利用特征点集合的方式存储地图
   2. 作scan to map的匹配时，不再对整个地图作匹配，选取一个surround map作为 map来与当前帧匹配，LOAM也有sourround map不过 LeGO得益于Map的存储方式，可以更快速的得到surround map
   3. 增加了位姿图，并利用iSAM2进行回环检测（论文中只有再KITTI数据上实验才使用了回环检测）

差别对比

框架

LOAM

特征点

LOAM（上） && LeGO-LOAM（下）