对于已知位姿的深度图和点云的简单融合方式

对于已知位姿的深度图和点云的简单融合的方式，我目前总结有两种，

第一种，粗暴方法，直接所有点云按照位姿变换后叠加，这样会导致点云点数过多，比如10cm*10cm*10cm的空间内就一个点进行代表就可以了，但是这么粗暴叠加可能有5个点在这个空间里，这个时候可以通过点云下采样的方式解决，PCL有专门的函数，体素滤波，八叉树也是一种点云下采样。就所有点云叠在一起后一次性做一次下采样。

体素滤波器是一种下采样的滤波器，它的作用是使用体素化方法减少点云数量，采用体素格中接近中心点的点替代体素内的所有点云，这种方法比直接使用中心点要慢，但是更加精确。这种方式即减少点云数据，并同时保存点云的形状特征，在提高配准，曲面重建，形状识别等算法速度中非常实用。（【点云处理技术之PCL】滤波器——体素滤波器(pcl::VoxelGrid)-CSDN博客）

第二种。增量式建图，每新来一帧深度图或点云就计算好要更新地图中哪些点，基于ray_cast的规则来更新。类似于ego-planner，octomap_server，cartographer构建的栅格地图。

这种全局式建图和增量式建图是不是有点像全局式SFM和增量式SFM的区别。

TSDF   voxblox  港科大的fiesta

下面这里也看到总结了三种方法

• 覆盖栅格建图算法
• 计数建图算法
• TSDF

Chapter7-基于已知位姿的建图方法_已知位姿建图-CSDN博客

https://download.csdn.net/download/muchunpeng/12831611?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-download-2%7Edefault%7ECTRLIST%7EPaid-1-12831611-blog-136718037.235%5Ev43%5Epc_blog_bottom_relevance_base8&depth_1-utm_source=distribute.pc_relevant_t0.none-task-download-2%7Edefault%7ECTRLIST%7EPaid-1-12831611-blog-136718037.235%5Ev43%5Epc_blog_bottom_relevance_base8&utm_relevant_index=1