视觉slam14讲之建图

   建图（Mapping）是slam的两大目标之一。上述讨论的都是定位，讨论了特征值点的定位，直接法的定位，以及后端优化。在经典的slam模型中，所谓的地图，即所有路标点的集合。一旦确定了路标点的位置，可以说明完成了建图。只是如此，那么视觉里程计，Bundle Adjustment算完成了任务，还额外的进行了优化。
但建图的需求不同，SLAM作为一种底层技术，往往是用来为上层应用提供信息。例如扫地机器人需要完成扫地工作，希望计算一条能够覆盖整张地图的路径。或者，如果上层是一个增强现实设备，那么开发者可能将虚拟物体叠加在现实物体之中。在视觉slam看来，“建图”是服务与“定位”的; 但在应用层看来，“建图”明显还带来许多其他需求：
    定位：定位是基本功能不用多说。视觉里程计讨论如何利用局部地图来实现定位。在回环检测部分，只要有全局的描述子信息，就能通过回环检测确定机器人的位置。
    导航：在地图中进行路径规划，在任意两个地图间寻找路径，然后控制自己运动到目标点的过程。该过程中至少知道地图中哪些地方不可通过，而哪些地方是可以通过。这属于稀疏特征点地图的能力范围，至少得是一种稠密的地图。
    避障：避障也是机器人经常碰到的一个问题，不过它更注重局部的，动态的导航物的处理。同样，仅有特征点，无法判断某个特征点是否为障碍物，所以需要稠密地图。
    重建：稠密地图，利用slam获得周围环境的重建效果，并把它展示给其他人看。例如：三维的视频通话或者网上购物等。也可以构建带纹理的平面，就像电子游戏中的三维场景那样。
交互：主要指人与地图之