OctoMap —— 模型建立

　　机器人定位导航技术发展到现阶段，提及八叉树地图时，可能大家并不陌生，也许你还不知道它的工作原理，也不知道如何去使用它，但是至少应该听到过它的名字——OctoMap。透过它的名字，作者可能要表达两层意思：其一，它是一张地图，也就是map，可以将其用于碰撞检测、路径规划、定位导航等应用任务中，但与其它的map相比，它有自己的优势和侧重点——更注重对三维空间环境的建模；其二，map对环境的建模方式在计算机的实现中使用了八叉树(octree)这种数据结构，当在地图中查询数据时，这将显著提高程序的运行效率。

　　说了这么多，那OctoMap是如何对三维环境进行建模的呢？要回答这个问题，我们首先得要有一个三维环境，看这篇文档的时候，你可能坐在办公室里，也可能坐在你的书房里，那么我们就有了一个现成三维的环境——你所处的这个房间。然后按照你房间的结构，做一个立方体，也许你所处的房间并不是一个立方体，但为了配合我把OctoMap的原理讲清楚，请把它想象成是一个立方体。当你做完这个立方体后，我会告诉你，我已经对这个环境建模完成了，你可能会感到惊讶。如有机器人要在你的房间通过时，我会告诉它不行，因为这里有障碍物，障碍物可能是椅子、书桌、你。但是实际情况并不是这样的，一个体积不太大的移动机器人完全可以在你房间的通道中移动，一个无人机完全可以在你房间的上空飞行等。因此我们查找原因，发现仅用一个立方体来表示整个房间是不够的，它无法表示房间的细节，那怎么办呢？聪明的OctoMap人(此处指OctoMap的作者)想到，可以把这个大的立方体划分为几个比较小的立方体，具体的划分方法，可以参考下面的图片。 

　　从图中可以看出，我们把一个大的立方体，分成了八个较小的小立方体，其中每个小立方体可以建模它所代表的三维环境。经过一次划分后，它对三维环境的表示仍然很粗略，那怎么办呢？我们对每个小立方体进行相同的划分，直到地图满足我们的要求为止，如下图所示(图片来自网络，侵删)。

　　按照上面的方式，我们可以将一个大的立方体，划分为很多很多个小的立方体。得到这么多的小立方体后，我们如何去表示环境呢？很自然的我们会想到二维占有网格地图，借鉴其思想，如果房间中有一把椅子，那么椅子所在的位置，所对应的小立方体应该是被占据的，也就是说机器人的路径中不应该包含这些小立方体，而其他的未被占据的小立方体则应该是“自由的”。如果立方体被划分的足够小，通过这种建模方式，可以将环境的细节描述出来，其惊人的表现力可以参考官网给出的对树建模的图片。

　　立方体到底可以被划分到多么小呢？我可以无限划分下去吗？答案是否定的，处于程序运行效率方面的考虑，一个大的立方体最多可以向下进行十六次的划分。其中，经过N次划分后得到的小立方体的边长，我们称为地图的分辨率(resolution)。其实，使用OctoMap对环境进行建模时，我们是通过指定分辨率的方式，来决定所要建模的环境的大小的。比如，我们指定分辨率为１米，因为地图可以进行16次的划分，那么我们可以对65535*65535*65535立方体所对应的环境进行建模。