lio-sam中的激光点云特征提取与匹配部分和loam中的类似，本文整理的不一定准确，请批评指正。

特征提取

1. 基于周围点的深度信息的方差来提取角点和平面点；
2. 过滤掉遮挡点和平行点；（剔除遮挡点的办法是计算当前点A与下一个点B的列索引偏差，如果相邻两点的距离太小，就不进行特征提取；如果相邻两点之间距离大于0.3m，选出6个点，如果A在B后面，A不要，A前面5个点也不要，因为不稳定；如果B在A后面，B不要，B后面5个点也不要，因为不稳定； 剔除平行点是计算左右两点与该点的深度差,深度差太大 不要）
3. 将一个ring分为6段，360/6，每段提取20个角点，其余是平面点；

特征匹配

1.scan to scan
scan-to-scan获得一个粗位姿之后开始建图；
2. scan to map
在另一个线程中通过scan-to-map的方式获得更加准确的位姿，SLAM最终的精度也就是取决于scan-to-map的精度，在scan-to-map中匹配方式与scan to scan主要有以下几点不同：

1. 参与计算的特征点数量不同，是scantoscan的十倍以上；
2. 线点和面点获得相邻点的方式不同，不是直接搜索最近激光点获得直线上两个点或者平面三个点，而是搜索最近的5个点，通过主成分分析或最小二乘的方式获得直线和平面的表达式，最后采样获得最后的匹配点。