自动驾驶系统进阶与项目实战（五）使用SC-LEGO-LOAM进行较大规模点云地图构建和闭环优化
高精度地图和高精度定位目前仍然是L4及以上自动驾驶系统的核心模块之一，成熟的传感器融合定位方法高度依赖高精度地图，L4级自动驾驶系统中，我们所说的高精度地图通常包含两类地图：语义地图（也称为矢量地图）和点云地图，语义地图也就是自动驾驶感知规划重度依赖的地图，包含了大量的路网和交通静态信息，是结构化数据；点云地图，通常为定位模块中的雷达配准定位所使用，是高精度定位的基础，存储类型为非结构化的传感器数据，点云地图本质上也是图商用于构建语义地图的底图之一，所以构建大规模点云地图对于高精度制图和定位的基础之一，本文将详细解析LEGO-LOAM SLAM方法，并且介绍如何使用SC-LEGO-LOAM构建包含闭环检测和优化的较大规模点云地图，最后我们将使用ROS bag实践构建一个较大城区的三维地图。
LEGO-LOAM简介
LEGO-LOAM是一种使用激光雷达进行实时姿态估计和制图的方法，ICP(iterative closest point) 是目前最常用的点云配准算法，通过在两个点云之间逐点查找对应关系，ICP算法反复对齐两组点云，直到满足停止条件为止，所以ICP处理密度较大的点云配准问题是会存在计算复杂度大的问题，相比之下，一些基于特征的匹配方法具有更高的计算效率，但是需要设计能够满足配准要求的特征描述符，常见的方法包括PFH(Point Feature
Histograms)和VFH(Viewpoint F