1. 点云地图缺陷

在点云地图中，虽然有了三维结构，亦进行了体素滤波以调整分辨率
但是点云有几个明显的缺陷：

点云地图通常规模很大，所以一个 pcd 文件也会很大
一张 640×480 的图像，会产生 30 万个空间点，需要大量的存储空间
即使经过一些滤波之后， pcd 文件也是很大的
而且讨厌之处在于，它的“大”并不是必需的，点云地图提供了很多不必要的细节
对于地毯上的褶皱、阴暗处的影子，并不特别关心这些东西，把它们放在地图里是浪费空间
由于这些空间的占用，除非降低分辨率，否则在有限的内存中，无法建模较大的环境
然而降低分辨率会导致地图质量下降，可以通过某些方式对地图进行压缩地存储，舍弃一些重复的信息
点云地图无法处理运动物体
因为做法里只有“添加点”，而没有“当点消失时把它移除”的做法
而在实际环境中，运动物体的普遍存在，使得点云地图变得不够实用

2. 八叉树

把三维空间建模为许多个小方块（或体素），是一种常见的做法
如果把一个小方块的每个面平均切成两片，那么这个小方块就会变成同样大小的八个小方块

视觉SLAM笔记（64）八叉树地图相关推荐

视觉SLAM笔记（48）局部地图
视觉SLAM笔记(48) 局部地图 1. 迭代优化的问题 2. 特征点引入地图 2. 地图 3. 地图点类 3. 视觉里程类 3.1. 关键帧 3.2. 优化地图 3.3. 特征匹配 4. 结果对比 ...
视觉SLAM笔记（63） RGB-D 稠密建图
视觉SLAM笔记(63) RGB-D 稠密建图 1. 建立点云地图 2. 点云地图 3. 其他重建方法 1. 建立点云地图所谓点云,就是由一组离散的点表示的地图最基本的点包含 x, y, z 三维 ...
视觉SLAM笔记（60）建图
视觉SLAM笔记(60) 建图 1. 概述 2. 用处 1. 概述建图(Mapping),本应该是 SLAM 的两大目标之一因为 SLAM 被称为同时定位与建图之前讨论的都是定位问题,包括通过特 ...
视觉SLAM笔记（57）回环检测
视觉SLAM笔记(57) 回环检测 1. 回环检测的意义 2. 实现方法 3. 准确率和召回率 4. 词袋模型 1. 回环检测的意义前端提供特征点的提取和轨迹.地图的初值而后端负责对这所有的数据进 ...
视觉SLAM笔记（55）位姿图
视觉SLAM笔记(55) 位姿图 1. Pose Graph 的意义 2. Pose Graph 的优化 1. Pose Graph 的意义带有相机位姿和空间点的图优化称为 BA,能够有效地求解大规 ...
视觉SLAM笔记（49）后端状态估计
视觉SLAM笔记(49) 后端状态估计 1. 误差累积 2. 状态估计的概率解释 3. 所关心的问题 4. 最大似然估计 1. 误差累积前端视觉里程计能给出一个短时间内的轨迹和地图但由于不可避免的 ...
视觉SLAM笔记（46）基本的 VO
视觉SLAM笔记(46) 基本的 VO 1. 特征提取和匹配 2. 两两帧的视觉里程计 3. 匹配特征点 4. 简单的检测 1. 特征提取和匹配实现 VO,先来考虑特征点法.它 VO 任务是,根据输 ...
视觉SLAM笔记（25）拼接点云
视觉SLAM笔记(25) 拼接点云 1. 相机内外参 2. PCL 3. 拼接 1. 相机内外参提供了五张 RGB-D 图像,并且知道了每个图像的内参和外参根据 RGB-D 图像和相机内参,可以计 ...
视觉SLAM笔记（4） SLAM的数学表述
视觉SLAM笔记(4) SLAM的数学表述 1. 数学表述 2. 运动方程 3. 观测方程 4. 参数化 5. 状态估计 1. 数学表述通过前面部分的介绍,应该对 SLAM 中各个模块的组成和主要功 ...
视觉SLAM笔记（3）视觉SLAM框架
视觉SLAM笔记(3) 视觉SLAM框架 1. 经典框架 2. 视觉里程计 3. 后端优化 4. 回环检测 5. 建图 5.1. 度量地图 5.2. 拓扑地图 1. 经典框架相机在场景中运动的过程, ...

视觉SLAM笔记（64）八叉树地图

视觉SLAM笔记（64）八叉树地图

1. 点云地图缺陷

2. 八叉树

视觉SLAM笔记（64）八叉树地图相关推荐

最新文章

热门文章

视觉SLAM笔记（64） 八叉树地图

视觉SLAM笔记（64） 八叉树地图

1. 点云地图缺陷

2. 八叉树

视觉SLAM笔记（64） 八叉树地图相关推荐

最新文章

热门文章

视觉SLAM笔记（64）八叉树地图

视觉SLAM笔记（64）八叉树地图

视觉SLAM笔记（64）八叉树地图相关推荐