MAD-ICP: It Is All About Matching Data -- Robust and Informed LiDAR Odometry

LiDAR里程计是从序列激光扫描中估计传感器自我运动的任务。这个问题已经被研究社区解决了二十多年，现在有许多有效的解决方案。大多数这些系统隐含地依赖于操作环境、使用的传感器和运动模式的假设。当这些假设被违反时，一些众所周知的系统往往表现不佳。本文提出了一种LiDAR里程计系统，可以克服这些限制，在不同的操作条件下运行良好，同时实现与特定领域方法相当的性能。我们的算法遵循众所周知的ICP范例，利用基于PCA的kd-tree实现来提取正在注册的点云的结构信息，并计算对齐的最小化度量。通过根据跟踪姿态的估计不确定性管理本地地图，可以限制漂移。为了造福社区，我们发布了一个开源的C++实时实现。

LiDAR odometry的精度和鲁棒性问题

利用基于PCA的kd-tree实现提取点云结构信息并计算对齐度量，通过管理局部地图来限制漂移

使用ICP范式，任何时候都可以实时运行，开源C++实现，可在不同操作环境下工作

LiDAR odometry领域已有多种解决方案，本论文提出的方法在精度和鲁棒性上与领域特定方法相当，但更具通用性