大规模建图优化问题

使用图像或雷达扫描点云帧序列完成大规模三维重建，如城市规模三维重建，将全局环境地图分割为submap（子地图），“各个击破”——逐一优化每个子地图，并优化子地图间关联关系，如相对位姿优化调整。
Ni Kai等人提出的主要流程：a. 消除每个submap内部的优化变量，只保留submap之间的变量 b. 优化submap之间的变量 c. 优化每个submap内部的变量。问题中变量是指传感器位姿和地图点坐标等。引入”局部坐标系“，submap内部变量用基础节点（base node，笔者理解为根据submap设定的局部坐标系）表达相对坐标，submap之间优化通过调整基础节点实现，使得submap整体发生很大变化，但内部变量无需改变。

  1. 分割submap在工程上具体操作是什么？
    形如切豆腐，分割后一个几何空间中的路标点和相机位姿组成一个submap。
  2. submap间的约束如何构建？
    如使用重投影约束，子地图 A中某陆标点 X A\bold X_A XA​（坐标为A对应的局部坐标系）被B中的相机观测到，可据此构建submap间的重投影约束。Ni Kai的方法以基础节点的姿态与位置参数为优化参数，间接改变陆标点坐标和相机的位姿参数，以优化重投影误差：该陆标点在B相应局部坐标系下的表达，

X B= R WB−1 [( R WAX A+ t WA )− t WB ]\bold X_B=R_{WB}^{-1}[(R_{WA}\bold X_A+t_{WA})-t_{WB}] XB​=RWB−1​[(RWA​XA​+tWA​)−tWB​]

则在相机坐标系下的表达，
X C= R CBX B+ t CB \bold X_C=R_{CB}\bold X_B+t_{CB} XC​=RCB​XB​+tCB​
其中， t C B t_{CB}tCB​ 为相机坐标系下B相应局部坐标系的原点坐标， R C B R_{CB}RCB​为相机坐标系下B相应局部坐标系的姿态变换矩阵；陆标点在待投影相机的坐标系下表示为 XC \bold X_CXC​，投影方程表达如下，
π( X C)= [f u XCZC + c u f v YCZC + c v]\pi(\bold X_C)=\left[\begin{array}{ccc}f_u\frac{X_C}{Z_C}+c_u\\ f_v\frac{Y_C}{Z_C}+c_v\end{array}\right] π(XC​)=[fu​ZC​XC​​+cu​fv​ZC​YC​​+cv​​]

设图像检测得同名点为 xxx，则重投影误差为，
e=∣∣x−π( X C)∣∣e=||x-\pi(\bold X_C)|| e=∣∣x−π(XC​)∣∣

大规模点云地图可视化问题

大规模点云地图的点云数量一般为10的6+次方量级，直接而全部加载对内存大小要求高， 空间尺度大，不便于快速变换视角，为便于可视化，提高查看效率，可将原始点云按网格分组，如以20m见方将点云分划为不同的submap，可视化“缩略地图”，每个submap以单个点显示，一瞥全貌，同时可选中感兴趣的区域，“放大”，可显示选中区域的原始点云细节。