SLAM~CH12

在经典的SLAM中一旦确定了路标点的位置，就可以算作建图完成。但这种没办法完成导航、避障等功能，于是要用到稠密的地图。

建图的需求：定位，导航，避障，重建，交互。

单目稠密重建 

问题为：已知每一帧的对应的轨迹（位姿），以第一幅图像为参考帧，计算每个像素的深度。

步骤：1. 假设所有像素的深度满足某个初始的高斯分布

           2. 当新数据产生时，通过极线搜索和块匹配确定投影点的位置

           3. 根据几何关系计算三角化后的深度及不确定性

           4. 将当前的观测融合进上一次的估计中(深度滤波器)。若收敛则停止，否则返回第二步。

极线搜索和块匹配

假设：不同图像间整个小块的灰度值不变（假设性更强了）

计算小块之间的差异：

这里是相关性，接近0表示不相似，接近1表示相似。

由于沿着极线搜索通常会得到非凸函数，非线性优化耗时，所以通常使用深度滤波器。

高斯分布的深度滤波器

则由高斯分布的乘积：

问题是如何计算新数据不确定性：

通过几何关系可以得到：

 代码实践：

 

 

 可优化的部分

问题	解决
对梯度不明显的地方，使用块匹配时没有区分性	书里没有
深度的正态分布：实际场景不是对称的结构，近处不到0，但远处有无穷远	使用逆深度，即d^(-1)
当相机发生明显旋转时，块匹配难以成立	在块匹配之前把当前帧与参考帧之间的运动考虑进来，算出局部范围内参考帧与当前帧的坐标变换构成的仿射变换
稠密深度图的计算费时	并行化（GPU）
因为各像素的计算是完全独立的，可能出现深度图不平滑的情况	给深度估计加上空间正则性
没有显式地处理外点	只要NCC大于一定值就认为出现了成功地匹配

R-GBD稠密重建

从点云重建网格

八叉树地图

优点：灵活、能压缩、能随时更新

在八叉树里，节点中储存是否被占据的信息，当某个方块都被占据或者都不被占据时，就没有必要展开这个节点。 

用概率表述是否被占据这件事

 代码