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
- 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