一点儿也不萌的萌萌

LOAM对于激光SLAM的发展起到了举足轻重的作用，他提出了点到线和点到面的误差函数，通过优化的方法，得到了非常不错的激光里程计效果。对于代价函数求解使用的是欧拉角的方式进行求导解算的。一方面由于未采用矩阵的形式进行推导，导致整个推导过程非常复杂，另一方面在代码实现中，有大量的中间运算过程。本篇博客将采用更加简洁的方式去推导出代价函数的雅克比矩阵。

注意：如下实验是针对里程计任务而进行的，默认是帧间匹配，而对于帧到局部地图匹配情况下的长时间下的轨迹精度对比，请参考我的这篇博客：【附优化方法的ICP源码】ICP与NDT匹配算法精度对比，以及手动实现的ICP和基于优化方法的ICP精度对比1.实验条件前提：以下ICP与NDT算法均使用的是PCL 1.8库中提供的实现方法，它们可以设置的参数较多，这里只探讨那些最常用的参数。数据：杭州海创园区的室外点云数据，其效果如下：后续点云的匹配，均以该点云为基础，对其增加平移、旋转，来模拟各种不同的状态，以观

1.主要内容本篇博客主要对比Iterative Closest Point（ICP）和Normal Distribution Transform（NDT）两种匹配算法的精度。分别依赖ICP和NDT作为匹配方法，生成前端里程计，没有回环检测，没有优化。2.实验条件①. 所用数据集: KITTI 00数据②. 计算机平台处理器：Intel® Core™ i7-10510U CPU @ 1.80GHz × 8内存：8G③. ICP和NDT算法来自PCL 1.8库④. 精度评估工具evo3