SLAM学习笔记-------------（12）建图

我们之前的讨论，基本集中于“稀疏路标地图”部分，还没有探讨稠密地图。

稀疏地图只建模感兴趣的部分，也就是前面说了很久的特征点（路标点)。而稠密地图是指建模所有看到过的部分。

对于同一张桌子，稀疏地图可能只建模了桌子的四个角，而稠密地图则会建模整个桌面。虽然从定位角度看，只有四个角的地图也可以用于对相机进行定位，但由于我们无法从四个角推断这几个点之间的空间结构，所以无法仅用四个角完成导航、避障等需要稠密地图才能完成的工作。

所以这一章主要讲如何建立稠密地图。

主要有三个方案：

1．使用单目相机，估计相机运动，并且三角化计算像素的距离。
2．使用双目相机，利用左右目的视差计算像素的距离（多目原理相同)。
3．使用RGB-D相机直接获得像素距离。

前两种方法，使用单目或者多目——计算量巨大，最后得到一些不怎么可靠的深度估计。

当然,RGB-D也有一些量程、应用范围和光照的限制，不过相比于单目和双目的结果，使用RGB-D进行稠密重建往往是更常见的选择。

而单目、双目的好处是，在目前RGB-D还无法被很好地应用的室外、大场景场合中，仍能通过立体视觉估计深度信息。

emmm，虽然单目建图不咋地，但是呢，我们还是建一遍，感受一下。

单目稠密重建

主要用到的方法是：极线搜索和块匹配

极线呢，是极平面O1O2P 与两个成像平面I1 I2的交线。（我用红色箭头指的）

知道相机的运动后，就知道了极线

我们可能沿着第二幅图像中的极线的某一头走到另一头，逐个比较每个像素与p1的相似程度。

哪个比较像，就找到p2。这就叫极线搜索。

然后呢，我们前边学了也知道，比较一个像素不可靠，有很多像素都差不多的，所以我们划定一个范围，比较像素块。这就叫块匹配。

说到块匹配，还要介绍一个东西。如何比较两个小块之间的相似程度？有如下三个方法：

这里以NCC为例，我们为了比较小块与小块之间的相似度，将得到一个沿着极线的NCC分布。这个分布的形状取决于图像数据,
在搜索距离较长的情况下，通常会得到一个非凸函数。这个分布存在许多峰值,然而真实的对应点必定只有一个。在这种情况下，我们会倾向于使用概率分布描述深度值，而非用某个单一的数值来描述深度。于是，我们的问题就转到了在不断对不同图像进行极线搜索时，我们估计的深度分布将发生怎样的变化——这就是所谓的深度滤波器。

关于深度滤波器的具体推导内容，看书就好了。

这里放出结论：

代码实践：单目稠密深度重建

先去下载数据集：250多M

下好了复制到这一章节文件夹下

http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip

编译的时候，报错，说找不到octomap这个包。

所以先需要安装这个库，地址如下
git clone https://github.com/OctoMap/octomap.git
再编译程序，又报错了

他说surfel_mapping.app里有一个错误
surfel_mapping.cpp:31:9: error:
‘class pcl::MovingLeastSquares<pcl::PointXYZRGB, pcl::PointXYZRGBNormal>’
has no member named ‘setPolynomialFit’;
did you mean ‘setPolynomialOrder’?
说这个函数不是pcl的成员，但是她就是pcl的成员，那就还是说明这个东西没安装好

后来发现我太傻了，书上都说了怎么安装
sudo apt-get install liboctomap-dev octovis
然后试了好多方法都不行，最后我放弃了

我先不跑这个surfel_mapping.app代码了，先跑别的。所以把报错的那一句注释了

执行这个代码，传入参数就是我们刚才下载的数据

但是要注意：需要写 ../../test_data 因为编译出来的文件和测试数据隔了两层

运行结果：迭代了几次之后，虚拟机直接卡死了（可能是我电脑太老了）

关机前的遗照，有四个图像显示出来，截图就截了两个迭代68次