從1維的角度進行解釋：

1m

P₀ o-----------------------o P₁

假如LOAM計算的兩個車輛初始位姿P₀、P₁如上圖所示，作為pose-graph的兩個頂點。那麽二者之間邊，也就是兩個pose之間的 trans = P₀^-1 * P₁ （= 1m）， 即P₀ * trans = P₁ ,一維下也就是 P₀ + 1 = P₁ ,然而LOAM計算肯定有誤差，P₀、P₁不可能跟groundtruth一樣，導致變換到全局坐標系下的兩個Pose的觀測會有“重影問題”，例如，當觀測是一個方塊時：

P₀ o-----------------------o P₁

口口

原本應該重合的兩個方塊，卻重影成了兩個， 這時候ICP就起作用了，通過對兩個Pose對應的觀測（也就是紅黑兩個方塊，傳感器是lidar時，兩個方塊都是點雲的形式）進行ICP，若設P₀對應的紅色方塊為target，P₁對應的黑色方塊為source，計算得出ICP矩陣E=0.1m,也就是黑色方塊需要左移0,1m才會與紅色方塊重合，利用E來修正更新兩個頂點之間的邊，也就是trans = P₀^-1 * E * P₁ （= 1 - 0.1 = 0.9 m）， 從而實現了在pose-graph框架下，ICP對LOAM計算的初始位姿的修正作用。

ICP在pose-graph中的作用