ICP

用于求解两个点云集合转换关系最通用的方法，

去中心化，通过最小化

$\frac{1}{N}\sum_{i=1}^N||x_i-Rp_i-t||^2$

求得两个点云集合的位姿关系$R，T$。

PL-ICP

在匹配的过程中，重点不是点和点之间的匹配，而是点和上一帧中隐藏的曲面进行匹配，使得该点到曲面的距离最近。

使用两个点的连线来近似曲面

上述的区别：

PL-ICP是二阶收敛的，迭代的更快

PL-ICP的求解精度更高

PL-ICP对初始值更敏感，所以不会单独使用，与里程计、CSM等一起使用

CSM不会陷入局部极值

开源的效果还不错的方法，用到了类似于低级语义的意思

思想：替换了对应点匹配的方法，

除了距离最近之外，法向量、曲率都不能太大。就是一个平面的一个曲面特征，来对错误的点匹配进行滤除

误差项里面还考虑了法向量的角度差

点云中隐藏着真实的曲面，最好的做法就是能从=参考帧点云中把曲面重键出来

会选择具有代表性的激光点来进行匹配，保证各个方向的客观性是差不多的，靠法向量就可以实现。

只要两个方向的主法向量差不多。这样可以减少计算量也可以减少激光点分布不均匀导致的计算结果出现偏移

具有丰富特恒的点，就是结构化的点：具有良好的曲率和法向量的定义，
曲率越小的点越好，因为曲率为0代表直线，代表最结构化的点，也代表着具有非常好的法向量定义，能提供足够的约束
选点的时候需要注意选取的激光点的均衡以保证客观性没因为是平面匹配，不存在角度不客观的情况，值需要考虑X和Y方向的可观性。要保证两者的约束基本上是一致的，才能让结果不出现偏移