Voxel Map for Visual SLAM（ICRA2020）

文中提到，使用slam中传统的关键帧技术有时候并不是最优的，比如纹理少、没有结构信息， 特别是有遮挡的情况等等。。。

A. Voxel hashing data structure

存储地图点使用的是hash表，首先将地图分割成voxel，然后每个voxel中都存放很多的3dpoint，同时3dpoint中携带feature信息（descritor or 2d detector）

结合体素表示和hash方法，我们可以在恒定时间内得到给定区域（如摄像机视锥）内的点，而不必考虑地图大小。

hash function（就是一个hash映射函数，输入是xyz坐标输出是对应的point3d的列表）：

注！！！！这里所说的结构化指的就是体素表达地图

注！！！蓝色的就是camera看到的3d 点

 

使用voxel需要注意：

1. Voxel size

    voxel的大小很影响性能，极端情况只有一个voxel或者voxel的大小等于point的大小，则voxel就没有用了

2.Resolving collisions

    使用buckets 解决冲突问题

 

B. SLAM map management with voxels

通常，SLAM中的地图存储三维几何对象，如点和线，新的帧可以根据这些对象进行局部化。地图会随着时间的推移而更新（例如，添加/删除点，更新现有点的信息），并且应该在跟踪过程中支持高效的查询（例如，新图像中可能匹配的点是什么？）。下面，我们将描述体素映射中的相应功能。请注意，我们不会完全丢弃关键帧，因为基于关键帧的BA对于优化贴图仍然是必要的。我们的体素地图是一个更有效的三维点组织，以促进数据关联。

 

Insert point:

 首先使用hash函数找到bucket，然后分为三种情况：1. Voxel存在，point3d不存在，则直接插入。2.voxel存在；point3d存在（比如相近point3d 1cm有点），则更新feature。 3. voxel不存在，则插入新的voxel

 

Delete point：

和inert 近似

 

Query map :

和inser近似，直接通过hash找到相邻的所有的point3d

 

C. Point query with raycasting

在slam中一个重要的function是在tracking的时候得到当前帧可能观测到的所有的3d点，因此我们可以使用观测fov对voxel进行采样，快速获得3d点（因为是tracking，因此是有pose先验的）

    

     1.  我们首先从图像平面上的规则网格中采样像素。然后我们将这些采样像素投影到三维空间中的方向向量上，得到r射线{Ri}Ri=1。这些光线基本上对摄像机视场进行采样。请注意，光线是在摄影机帧中表示的。

     2. 然后均匀的在射线上进行采样

     3. 根据tracking或者imu先验，可以将上述采样点转换到世界坐标系下，最后使用hash得到所有观测的3d点

 

优点：1. 使用体素的方法替代关键帧的方法进行tracking的时候的关联，避免了遮挡造成的干扰

           2. query时间恒定