【视觉SLAM:十、建图】
建图是视觉SLAM中至关重要的模块之一，目的是根据相机的运动和情况信息，生成场景的三维表现或地图。地图可以用于导航、定位和情况理解。建图可以分为稠密建图和稀疏建图，其中稠密建图主要关注情况细节，适用于对场景有高精度需求的应用，如机器人避障、主动驾驶等。概述
稠密建图是以高密度的点云或网格形式形貌情况多少形状的过程。根据输入数据源，稠密建图可以分为两类：
[*]单目稠密建图：利用单目相机拍摄的视频，通过估算深度信息进行场景重建。
[*]RGB-D稠密建图：利用RGB-D相机直接获取的彩色图像和深度图，生成高精度的点云地图。
稠密建图的核心是怎样高效、精确地计算场景的深度信息，并将其构造成可用的数据布局，如点云、网格或体素图。
单目稠密重建
单目稠密重建依赖于相机的位姿估计和图像间的多少关系，通过立体视觉技术估算深度。
立体视觉
立体视觉是单目稠密重建的核心原理。假设相机观察了同一场景的多个视角图像，可以通过特征匹配和视差计算推导出场景的深度信息。
[*]关键步骤包括：特征点匹配、视差计算和深度三角化。
[*]匹配精度会直接影响重建的结果。
极线搜刮与快速匹配
[*]极线搜刮：通过对极多少约束，将搜刮范围从二维缩减到一维，提高匹配服从。
[*]快速匹配：结合金字塔搜刮、形貌子加快匹配等技术，加快视差计算过程。
高斯分布的深度滤波器
单目稠密建图中估算深度通常伴随噪声。高斯分布的深度滤波器通过融合多个视角的观测结果，优化深度估计：
[*]构建一个高斯滤波模子，综合多视图的深度信息。
[*]利用滤波器平滑深度值，剔除离群点。
单目稠密重建的实践
在实际应用中，单目稠密建图需要处理以下问题：
像素梯度的问题
像素梯度是深度估计的基础。在弱纹理或重复纹理区域，像素梯度不敷会导致深度估计困难。
[*]办理方法：增长特征点的分布匀称性，或者引入纹理加强算法。
逆深度表现
传统的深度值直接利用深度
页:
[1]