1. 综述
整个LOAM本质就是一个激光里程计，没有闭环检测，也就没有图优化框架在里面，该算法把SLAM问题分为两个算法同时运行，实现实时建图，一个odometry算法，10Hz；另一个mapping算法，1Hz。两个算法都是从点云中提取尖锐的边（sharp edges）和平整表面（planar surface）特征，然后进行feature关联，也就是特征匹配，来估计lidar的运动以及fine match with local map，匹配的过程核心思想还是基于距离的判断，所以我感觉匹配的过程就像是一个基于feature的ICP算法。
2. odometry算法
两帧点云之间做处理，将上一帧点云中的所有points投影到同一个时刻tk+1，完成对点云的运动补偿，消除点云畸变，然后与逐渐增长的下一帧点云Pk+1，进行特征匹配，估计lidar的运动，实现里程计功能，最后将Pk+1点云利用估计的运行投影到tk+2时刻。
3. mapping算法
mapping算法就是将已经消除畸变的Pk+1点云与局部地图做match，所谓的局部地图就是在已经匹配好并且转换到全局坐标系下的前10m点云中提取feature。
