LLOAM: LiDAR Odometry and Mapping with Loop-closure Detection Based CorrectionAbstract在LOAM的基础上加入了回环检测，实现了雷达SLAM的前端、回环检测、后端全局优化的完整框架。Introduction提出了一种基于点云分割匹配的回环检测模块和一种基于全因子图的三维激光雷达SLAM优化后端。前端分为两个部分，第

LeGO-LOAM: Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable TerrainAbstract提出一种轻量级的ground-optimized雷达定位与建图方法。首先用点云分割滤除噪声点，然后提取特征边界和平面点。Introduction轻量级算法在小型嵌入式系统中实现。LOAM应用于本项目时，由

Real-time Depth Enhanced Monocular OdometryAbstract利用图像和稀疏的深度图做运动估计，同时利用三角量测和运动估计得到位置深度的突出图像特征点的深度，使用光束平差法(BA)对运动估计做修正。SYSTEM OVERVIEW帧间运动估计：对于有深度信息的图像特征点，运动描述如下，只使用两帧中的前一帧的深度信息，无深度信息的点归一化表示为 ，其中Z轴坐标为

LOAM: Lidar Odometry and Mapping in Real-timeABSTRACT将复杂的SLAM问题分离为两个算法，一个高频低精度的运动估计，另一个低一个数量级的点云匹配和配准算法。RELATED WORK雷达扫描速度相对于外部运动较高时，运动的失真常被忽略，标准的ICP方法可以被用于匹配两帧之间的激光。可以进一步使用两段式方法去消除失真：一个基于运动估计的ICP方法，接