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
- 3. 八叉树地图
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, ...
最新文章
- 软工第二次练习——团队展示
- angular 指令
- Envoy为什么能战胜Ngnix——线程模型分析篇
- LiveVideoStack线上交流分享 (十五) —— 熟悉技术的边界,实现1+1+13
- eclipse导入项目pom文件报错_eclipse导入maven管理的项目时,pom.xml第一行报错。错误如图1。而且dubbo的xml也不识别。...
- mysql数据库python基础知识_python学习之Mysql数据库编程基础知识介绍
- 【python】随机采样的两种方法
- 华为云API Explorer开发者生态平台正式上线
- 一个物理CPU如何划分成多个虚拟CPU
- 特斯拉CEO马斯克再卖4套房 挂牌价6250万美元
- 将稍大文件存储到远程SQL Server服务器
- Windows下编译扩展OpenCV 3.1.0 + opencv_contrib
- Linux基础实操二
- npm ERR! y@1.0.0 dev: `webpack-dev-server --inline --progress --config build/webpack.dev.conf.js`
- 应用窗口置顶工具 DeskPins
- 计算机音乐乐谱光辉岁月,beyond光辉岁月简谱
- linux定时压缩脚本,使用shell脚本对日志文件进行定时压缩
- 新书上市第13天,在亚马逊Kindle电子书人工智能榜第三,与《未来简史》和李开复《人工智能》同榜
- 分布式事务系列一:BASE,一种ACID的替代方案(eBay分布式事务解决方案)
- PTMs-ALBERT
热门文章
- CleanMyMac4.11.1中文完整语言版本
- Python系列之面向对象编程
- mirserver传奇服务端各文件夹注解
- oel6安装oracle报错,OEL6.1下安装Oracle 11gr2 RAC
- 在OEL6.5平台安装Oracle11g 数据库
- 什么是埋点?简述埋点的操作流程
- 当Linux配置zh_CN.UTF-8 ,中文还是显示乱码解决办法
- 【初/中级前端面经】中小型公司面试时都会问些什么?
- 数据挖掘十大算法---朴素贝叶斯
- html修改progress背景色,html_progress元素以及样式修改