1.首先八叉树意味着有八个子节点,对于一个立体的正方体来说,三个面各切一刀就正好是八个小正方体。
2.对应于实际的数据结构,就是一个树根不断地往下扩,每次分成八个枝,直到叶子为止。叶子节点代表了分辨率最高的情况。例如分辨率设成0.01m,那么每个叶子就是一个1cm见方的小方块。这八个子节点所表示的体积元素加在一起就等于父节点的体积。
3.每个小方块都有一个数描述它是否被占据。通常用0~1之间的浮点数表示它被占据的概率。0.5表示未确定,越大则表示被占据的可能性越高,反之亦然。由于它是八叉树,那么一个节点的八个子节点都有一定的概率被占据或不被占据。
4.用树结构的好处时:当某个节点的子结点都“占据”或“不占据”或“未确定”时,就可以把它给剪掉!换句话说,如果没必要进一步描述更精细的结构(孩子节点)时,我们只要一个粗方块(父节点)的信息就够了。这可以省去很多的存储空间。
5.在对环境的观测过程中,由于噪声的存在,某个方块有时可能被观测到是“占据”的,过了一会儿,在另一些方块中又是“不占据”的。有时“占据”的时候多,有时“不占据”的时候多。所以用概率来表达一个叶子是否被占据。