110、激光SLAM：LOAM系列从特征提取到实时建图的SLAM系统昨晚调了一台16线速腾的驱动，跑LOAM的时候发现地图在转弯处直接糊掉，点云像被揉过的纸团。查了半天，不是标定问题，是特征提取的曲率阈值设得太死，把本该保留的角点全滤掉了。这种问题在LOAM系列里太典型了——你以为算法在帮你干活，其实它在帮你丢信息。从那个被揉烂的地图说起LOAM（Lidar Odometry and Mapping in Real-time）是Ji Zhang在2014年提出的经典方案，后来有了LeGO-LOAM、A-LOAM、F-LOAM这些变体。核心思想一句话：把SLAM拆成两个并行模块——一个高频低精度的里程计（odometry）负责帧间配准，一个低频高精度的建图（mapping）负责把当前帧对齐到全局地图。两个模块共享同一套特征提取结果，但优化目标不同。这套设计有个很实际的好处：里程计只跟最近一帧比，计算量小，能跑实时；建图跟局部地图比，精度高，但慢。两个模块用不同频率跑，互不阻塞。我第一次看论文的时候觉得这有什么难的，直到自己写代码才发现，两个线程之间的数据同步和坐标系转换才是真正的坑。特征提取：曲率不是万能的，但没它万万不能LOAM的特征提取基于一个朴素假设：激光扫描同一圈上，点的局部曲率能区分平面点和角点。具体做法是取当前点前后各5个点（共10个），计算这些点到当前点的距离差平方和作为曲率值。曲率大的当角点，曲率小的当平面点。代码里有个细节特别容易踩坑——点云索引的边界处理。扫描一圈的点是环形存储的，取前后5个点时