在自动驾驶领域，激光里程计和建图（LOAM）已经起到重要的作用，归因于它可以在定位机器人的位姿的同时建立周围环境的高精度、高分辨率的地图。
算法简介
算法名称：Loam_livox 针对 FoV 较小的 激光雷达的 一种快速、鲁棒性强、高精度雷达里程计和建图 算法 传统的LOAM算法对应的是传统的机械雷达，对于小FoV和非重复式雷达，直接应用的话效果会不理想。 Loam_livox 在LOAM算法的基础上，在前端和后端均做了工作，解决了在使用LOAM算法思想时对于固态雷达的几个核心问题。 算法在精度和效率方面表现还不错。 本质上讲，这个算法是针对固态雷达的LOAM算法。那么为什么要这么做就要涉及固态雷达和传统机械雷达的区别。
固态雷达和传统机械雷达的区别
固态雷达的FoV要小很多 固态激光雷达通常是非常小的视野（FoV）。例如Livox MID40，向前的锥形FoV为38.4度。其它固态LiDAR，例如MEMS LiDAR也类似的小FoV问题。 相较于传统的线式的雷达，在一帧雷达数据帧里面减小的FoV会导致更少的特征，使得后面特征匹配会不好，并且易受移动物体干扰。 虽然可以通过多个雷达组合实现一个更大的FoV，但是它会造成更大的传感器成本和重量。 
两者的视野的对比图如上面所示， 传统的机械式雷达内部是整体旋转的，所以能测量到360°的水平视野，垂直方向的视野大小就和线数有关系了， 16线的大概30度左右。 没有规则的扫描模式 传统的线式雷达有很多雷达接收装置在垂直方向，旋转所有接收装置作为一个整体，形成一组平行线的集合。这种规则的扫描方式极大简化了特征提取。例如角可以通过线上的点的不同深度信息很容易计算得到。 
固态激光雷达的扫描模式是非常没有规律的。例如Livox MID40 是想玫瑰花节的这种扫描模式，相邻的两帧扫描的距离非常远。像下面那图 
非重复式扫描模式 为了提高固态激光雷达的覆盖率，非重复式扫描的方式被用在这种激光，就是扫描的轨迹从不会重复，像上面那个图。 机械式雷达可以看上面的示意图，假如雷达不动，那么第二圈和第一圈的点则有很多是重复的。 运动模糊 由于固态激光雷达是由一个朝前的雷达连续的扫描，当雷达持续的移动时，在一个坐标系下测量的三维点云是在不同时刻取样的，就会出现那一帧的运动模糊，造成那一帧的运动畸变。 运动畸变 对于两种雷达都会有，但是由于固态雷达的扫描没有规律，那么它的运动畸变会更强些。
算法特点
为了解决上面提到的固态雷达几种特点，Loam_Livox在这方面做了很多针对性的工作。
- 非常小的Fov情况下的特征点的提取和选择
- 鲁棒的异常值剔除，移动目标过滤：每次去除误差最大的20%的点。
- 运动畸变校正：使用分段并行化处理的方式，相比插值效果和效率上效果更好。
- 消除一部分点，例如边缘，强度过大或过小的点，在物体后面的点，提高精度
- 使用点到线和点到面的icp方式。
- 加入反射强度作为第四维标准，用来识别不用材料形成的边缘
算法效果
没有其它的传感器情况下，包括IMU、GPS和相机，通过匹配点云到指定范围的本地地图的方式，Loam_Livox算法可以实时计算雷达的位姿。算法的结果如下图展示的。可以从第一个图的楼梯和栏杆看出算法的细节水平，第二张图可以看到算法可以适用于大场景下。 
算法整体概览
算法的整体逻辑如上图表现的。 之后再对算法里面各环节做公式及代码的研究。
