ORB slam 

点云配准 ：ICP要求有足够好的初始平移旋转矩阵，且有一定的重合率

2.1.1 Harris

U,V越小越灵敏  特征点是x、y方向都有较大的倒数

NMS操作过滤特征点 

 核心思想：一个小方块移动后，里面的Intensity变换来选择特征点。变成了求方块内的协方差矩阵M，每个方向的一阶倒。

2.2.1 3DHarris

2.3.1 USIP 

 只关心点的距离，不关心点分布

3.1.2 Signature based

同一个东西做旋转，描述子就会变 

3.1.3 PFH

每个点与周围点之间的连线

1、建立坐标系

2、计算特征

表述特征点周围点的变化

3、每个特征参数建立一个直方图 

3.1.4 SPFH

只考虑特征点与周围点之间的连线，做出三个直方图

3.2.1 SHOT

1. 建立坐标系LRF

2. 将特征点周围空间分成32块

3. 计算每个小空间的直方图，每个直方图长度是11

存在硬切割问题，对噪声不稳定，所以提出软切割。投票不直接加分非黑即白，而是变成线性插值的概率。

• 总结

3.3.1 3DMatch

对三维网格点云进行卷积处理，三维网格建立在特征点周围 

不同视角找到同一个地方，来避免随角度不同而不同

3.3.2 PPFNet 

 3.3.3 PPF-FoldNet