视觉SLAM笔记（60） 建图
视觉SLAM中的建图（Mapping）是同时定位与建模的核心任务之一。从经典的SLAM模型来看，地图是所有路标点的位置集合，在确定这些路标点位置后即可完成建图。尽管前面提到的视觉里程计和Bundle Adjustment等方法都对路标点进行了建模和优化，在这个意义上也涉及到了建图问题。
从应用层面来看，SLAM不仅用于提供相机的空间位姿信息（定位），还满足各种需求复杂的地图需求。例如，在机器人导航中需要稠密的地图以完成全局路径规划；在增强现实中需要处理虚拟与真实物体的遮挡关系等。因此，在视觉SLAM中，“建图”不仅是定位的重要手段，也是满足多样化应用需求的关键技术环节。
上图为不同地图类型及其用途的关系示意图：稀疏地图仅建模感兴趣的部分（如特征点），而稠密地图则对所有看到的区域进行建模。虽然稀疏地图可用于相机定位，但无法满足导航、避障等需要稠密地图的任务需求。因此，稠密地图在实际应用中占据重要地位。
参考来源：《视觉SLAM十四讲》
相关推荐：视觉SLAM笔记（59）相似度计算
视觉SLAM笔记（58）字典
视觉SLAM笔记（57）回环检测
视觉SLAM笔记（56）位姿图优化
视觉SLAM笔记（55）位姿图
视觉SLAM笔记（60） 建图
- 1. 概述
- 2. 用处
1. 概述
构建地图（Mapping）本应是SLAM的两大目标之一。因为SLAM被广泛称为同时定位与地图构建。
此前涉及的位置确定问题主要包括基于特征点的位置确定、直接利用观测数据进行计算的方法以及后端优化技术等。实际上，在传统的SLAM框架内，通常将地图定义为所有路标点位置信息的集合。一旦确定了路标点的具体位置信息，则可以认为完成了道路图的构建。
于是前面所说的视觉里程计以及Bundle Adjustment都进行了相应的建模。实际上这些方法不仅建模了路标点的位置还对其进行了优化。从这个角度来看我们已经就图的构建问题展开了讨论
2. 用处
作为底层技术的核心工具之一，在为上层应用提供关键信息方面发挥着重要作用。
当目标为机器人时，则希望通过SLAM实现全局定位，并引导机器人在地图中自主导航。
例如扫地机需完成扫地任务，则需规划一条覆盖整张地图的有效路径。
若目标是增强现实设备，则开发者预期将虚拟物体叠加至现实物体之上。
特别地，在处理虚拟与真实物体的遮挡关系方面也有特殊需求。
在应用层面而言,对于定位的需求具有相似性;而地图方面则存在多样化的具体需求.
在视觉 SLAM 的角度来看，构建三维地图旨在辅助实现定位任务；然而，在实际应用场景中，“建图”的需求则更加多元化和具体化。
关于地图的用处，大致归纳如下：
上图生动地展示了我们之前讨论的各种地理信息系统中的地图类型及其用途之间的关联关系。在过去的讨论中,我们主要聚焦于"稀疏路标图"这一领域,并未涉及"稠密图"的相关内容;在地理信息系统中,"稠密图"通常作为与"稀疏图"相对的概念存在;具体而言,稀疏的地图仅关注那些被详细研究并标记为关键点(如路标点)的地方;相比之下,在构建"稠密 map"时,则需要考虑所有观察到的位置。
对于同一个桌子而言，在稀疏地图中仅构建了桌子四个角的位置模型，在稠密地图中则完整地构建了桌面的三维结构。然而，在相机定位方面上来看的话，仅基于四个角点的地图仍然具备一定的适用性。不过由于缺少足够的空间关系信息连接这些关键点坐标位置之间的几何关系，在导航与避障等依赖密集环境路径规划的任务执行中就存在明显的局限性。
从上面的讨论中可以看出，稠密地图占据着一个非常重要的位置
参考：
相关推荐：
[视觉SLAM笔记（59） 相似性评估]
[视觉SLAM笔记（58） 词典]
[视觉SLAM笔记（57） 循环检测]
[视觉SLAM笔记（56） 位姿估计优化]
[视觉SLAM笔记（55） 位姿配置]
谢谢！