slam(2):张量投票(tensor voting)的简单理解

张量投票：

        （注：下文中的“点”指的是，用传感器模型获得的环境的离散化表示，如用激光雷达获取的点云，或者是把双目相机的图像转换得到的点云等）

        Stumm等【1】人提出张量投票是一种获得密集几何信息的方法。基本上，张量投票通过点投票提取几何基元(例如平面、直线和球体)和相关的显著性（这里理解为：是某种几何基元的可能性大小）。

        这个过程通常分为两步：首先，假设点是球体，它们之间进行投票，以获得局部结构的第一个想法/理解（稀疏投票）；然后，提取的张量根据其形状和显著性进行投票，为每一个张量生成密集的网格图。结果是一个3D网格，其中每个单元格都包含每个张量的显著性和参数（例如：平面的法线，或直线的主方向）

一种张量投票的应用：

        Colas等【2】主要结果是了解每个单元格是否存在局部平面，如果有，还需要知道它的方向。同时结合其他机器人约束，判断是否是适合机器人行走的平面。

        下图是Colas等在楼层进行自主导航的示意图（需要在三维空间中判断出可以供机器人行走的平面）

参考文献：

【1】E. Stumm, A. Breitenmoser, F. Pomerleau, C. Pradalier, and R. Siegwart, “Tensor-voting-based navigation for robotic inspection of 3D surfaces using lidar point clouds,” The International Journal of Robotics Research, vol. 31, no. 12, pp. 1465–1488, Nov. 2012.

【2】Colas F ,  Mahesh S ,  Pomerleau F , et al. 3D path planning and execution for search and rescue ground robots[C]// IEEE/RSJ International Conference on Intelligent Robots & Systems. IEEE, 2013.

【3】同步发布于知乎问题回答：

https://www.zhihu.com/question/20328594/answer/2478795800

 @meng