激光光流里程计的基本理解：（1）类比图像光流，假设光强度不变，图像是每个像素点，像素包含灰度值；激光光流，假设障碍物不动，光流是激光范围内的激光点，每个激光点包含距离和角度信息（2）图像信息求导，得到光强度；激光光流信息求导，得到速度（距离的速度，角度的速度），并可以用分解到笛卡尔坐标系下的速度

运动滤波，间隔一段时间、一段距离和角度，对odometry的数据进行关键帧采样。absl::optional<MotionFilter>pose_graph_odometry_motion_filter;if(trajectory_options.has_pose_graph_odometry_motion_filter()){LOG(INFO)<<"Usingamotionfilterforaddingodom

摘要——本文提出一种计算高效、鲁棒的激光雷达惯性里程计框架。我们使用紧耦合的迭代扩展卡尔曼滤波器将激光雷达特征点与IMU数据融合，以允许在发生退化的快速运动、噪声或者杂乱环境中进行稳健导航。为了在出现大量观测情况下降低计算负载，我们提出了一个计算卡尔曼增益的新公式。

前言多的不说哈2022最佳优秀论文来自美团无人机团队作者提出了一种使用点和线的高效的直接视觉里程计（visualodometry，VO）算法——EDPLVO。他们证明了，2D线上的3D像

这一章节呢，主要讲外推器。我们上一章节说到激光的畸变与矫正，最关键的是什么呢？其实最关键的就是关于每个发射点的发射位置的估计推测，这里就用到了外推器去推测每个发射点的位

论文：https://gitee.com/ss-Payne/paper/blob/master/Calibration/Simultaneous_Calibration_of_Odometry_and_Sensor_Parameters_for_Mobile_Robots.pdf代码：https://gith