第十三讲 建图

单目稠密建图

在稠密重建中，我们需要知道每一个像素点（或大多数像素点）的距离，有三种解决方法：

1. 使用单目相机，通过移动相机之后进行三角化测量像素的距离。（这种方式又称为移动视觉的立体视觉，Moving View Stereo）。
2. 使用双目相机，利用左右目的视差计算像素的距离，与多目原理相同。

1、2两种方式又称为立体视觉（Stereo Vision）：立体视觉的重建质量十分依赖于环境纹理。(该问题无法在现有的算法流程上加以改进和解决的)

1. 使用RGB-D相机直接获得像素距离。

极线搜索与块匹配

计算小块间差异的方法：SAD（差的绝对值之和，Sum of Absolute Difference）、SSD（平方和，Sum of Squared Distance）、NCC（归一化互相关，Normalized Cross Correlation）去均值的SAD、去均值的SSD等……

高斯分布的深度滤波器

估计像素点的深度，可建模为一个状态估计问题。所以有滤波器和非线性优化两种求解思路。而SLAM实时性要求较高，前端已经占据了不少的计算量，所以在建图中，我们通常采用计算量较少的滤波器方式。

假设深值服从高斯分布

1. 估计稠密深度的一个完整过程：
2. 假设所有像素的深度满足某个初始的高斯分布
3. 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
4. 根据几何关系计算三角化后的深度及不确定性
5. 将当前观测融合进上一次的估计中，若收敛则停止计算，否则返回第2步。

RGB-D稠密重建

利用RGB-D进行稠密建图的好处：

1. 利用RGB-D相机可以完全通过传感器中硬件测量得到深度估计，而无须像单目和双目中那样通过消耗大量的计算资源来估计。
2. RGB-D的结构光或飞时原理，保证了深度数据对纹理的无关性。即使是纯色的物体，只要它能够反射光，我们就能测量到它的深度。

根据地图形式的不同，存在着若干种不同的主流建图方式：

1. 最直观、最简单的方式：根据估算的相机位姿，将RGB-D数据转化为点云（Point Cloud），然后进行拼接，最后得到一个由离散的点组成的点云地图。
2. 如果我们希望估计物体的表面，在1）的基础上，使用三角网格(Mesh)、面片(Surfel)进行建图。
3. 如果我们想要知道地图的障碍物信息并在地图上导航，亦可通过体素（Voxel）建立占据网格地图（Occupancy Map）。