Catalogue
第1节
renqian：前端不要求精度，而对于平滑性要求较高
激光雷达介绍
前端里程计汇总
ICP理论
去质心(\(u_x,u_y\))目的：把旋转和平移进行解耦，然后先求解旋转R，再求解平移t
因为\(x_i'^T R y_i'\)是一个数，常量，因此，Trace就是它本身
最终求解
ICP汇总
NDT理论
NDT汇总
LOAM系列理论
renqian: 如果按这种思路进行分割，有可能会飞线（16线还好，32、64可能会出现这种问题），最好是激光雷达驱动把每个点对应的线束ID保留下来
scan-to-map: 因为合并地图的时候，把特征点都划分到对应的网格了，优化的时候直接从grid中索引特征，而不是从‘上一帧’点云中索引。
LOAM汇总
ALOAM使用四元数 自动求导：效率较低
FLOAM使用李代数
lego-loam： - 计算点到面的距离的时候，只计算地面特征，而计算点到线距离的时候，不再从地面提取特征 - 对环境中的点做了聚类，去除树冠等影响 - 分两次优化，但代码又回到了6自由度优化
LOAM部分代码
线数分割
计算曲率（粗糙度）
特征点提取
点分成了四类：
- 曲率特别大的点(从中挑选点)
- 曲率一般大的点(从中获取边缘线)
- 曲率特别小的点(从中挑选点)
- 曲率一般小的点(从中获取平面)
Trick：把360度分成6等份，即每60度分别提取，这是为了避免某些特征点聚集在某个角度上，引起后面求解的病态矩阵
计算特征距离(残差)
第k+1帧来了，按照估计的位姿，将k+1帧投影回第k帧，使用最近邻算法，找到投影点最近的一个点，然后再找一个其他线束的最近点，找到两个点可形成直线。
求点到线的距离
还需要求梯度
检验拟合的直线、平面是否正确： 找5个最近邻点 对5个点的方差，求特征值分解 1.线：最大特征值特别大 2.面：前两个特征值特别大
KITTI数据集
evo使用
