需要用到的一些知識和假設：
（1） 來源於 github中的討論：
由於IMU累積推算位置的誤差大，程序中粗略地計算了IMU的位置漂移。
_imuPositionShift = _imuCur.position - _imuStart.position - _imuStart.velocity * relSweepTime;
上式成立的前提是認為一個掃描周期內，Lidar的運動是勻速的，上式計算出了非線性誤差部分。
（2） X、Y、Z軸對應俯仰（pitch）、航向（yaw）、橫滾（roll）機動，可知Lidar坐標系為“右下前”坐標系。
（3） 從Lidar系到global IMU系，類似於慣導系統中的C（b->n）,即載體系到地理系的轉換。
旋轉順序為：橫滾->俯仰->航向
rotateZXY(point, roll, pitch, yaw);
從global IMU系到Lidar系，旋轉順序正好相反。
rotateYXZ(point, -yaw, -pitch, -roll);
（4） transform代表將k時刻的點雲轉換到k+1時刻下，與視覺slam中的相對位姿定義相同。
坐標轉換與IMU融合
1、 transformToStartIMU
注冊點雲時（MultiScanRegistration.cpp中），當判斷有IMU數據時，會進行一步坐標轉換的預處理，體現在函數transformToStartIMU中。
這個函數進行了三步處理：
（1） rotateZXY(point, _imuCur.roll, _imuCur.pitch, _imuCur.yaw);
將原始點雲從當前Lidar系轉換到global IMU系下；
（2） 補償了_imuPositionShift，也即估算的IMU位置漂移；
（3） rotateYXZ(point, -_imuStart.yaw, -_imuStart.pitch, -_imuStart.roll);
將global IMU系下的點雲轉換到Start時刻的Lidar系下。
經過這個函數的處理，點雲的position部分處於當前Lidar系下一個相對准確的位置上（基於掃描周期內勻速運動的假設），但點雲的Rotation部分是Start時刻Lidar系下觀察所得的，而非處於當前Lidar系下。更清晰地來說，即此時觀察到的點雲坐標，是以當前Lidar的坐標（一個估計值）為原點，而坐標軸是與Start時刻的Lidar系的坐標軸對齊的。
2、 OD初始化：
根據第一次開始掃描時的IMU pitch與roll，作為累積位姿的初始值。
_transformSum.rot_x += _imuPitchStart;
_transformSum.rot_z += _imuRollStart;
Yaw角度和pos部分都未賦初值，即假設開始時刻的偏航角為0，位於global系下的原點位置。
3、 運動估計初值：
（1） _transform.pos -= _imuVeloFromStart * _scanPeriod;
其中，imuVeloFromStart的計算，可知imuVeloFromStart為Start時刻Lidar系下的速度變化矢量：
imuVelocityFromStart = _imuCur.velocity - _imuStart.velocity;
rotateYXZ(imuVelocityFromStart, -_imuStart.yaw, -_imuStart.pitch, -_imuStart.roll);
對於勻速運動假設的一個補償，並且基於運動曲線的連續性，做了遞推形式的計算，可能乘以1/2會更合適？
（2） _transform的rotation部分未賦初值，認為為0。
4、 transformToStart
在進行KDTree最近點搜索前，首先將進行畸變處理后的點雲轉換到每一次掃描的開始時刻。
先根據勻速運動假設計算出當前點時刻Lidar的位移和旋轉。
但這里其實是和前面的轉換transformToStartIMU有些沖突的。因為transformToStartIMU之后點雲所處的坐標軸是與Start時刻的Lidar系的坐標軸對齊的。現在又通過_transform將點雲轉換到start時刻。有一種轉了兩次的感覺。
有一種解釋：認為k次掃描中的旋轉部分大部分由IMU積分獲得，_transform中的旋轉估算的只是一個小量。
5、 transformToEnd
（1） 先進行transformToStart，此時點雲處於start時刻的Lidar系下；
（2） 通過_transform轉換到end時刻的Lidar系下；
（3） rotateZXY(point, _imuRollStart, _imuPitchStart, _imuYawStart);
轉換到global系下
（4） rotateYXZ(point, -_imuYawEnd, -_imuPitchEnd, -_imuRollEnd);
轉換到end時刻的Lidar系下。
總結點雲的旋轉過程從1->5, 可用公式表示為：
6、accumulateRotation
該函數的作用是將計算的兩幀之間的位姿“累加”起來，獲得相對於第一幀的旋轉矩陣，具體公式如下：
7、 pluginIMURotation
該函數與accumulateRotation，聯合起來完成了更新_transformSum的rotation部分的工作。該函數可視為transformToEnd的下部分的逆過程。具體公式如下：
