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。
- 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。 - 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 W B − 1 ( R W A X A + t W A ) − t W B \bold X_B=R_{WB}^{-1}(R_{WA}\\bold X_A+t_{WA})-t_{WB} XB=RWB−1(RWAXA+tWA)−tWB
则在相机坐标系下的表达，
X C = R C B X B + t C B \bold X_C=R_{CB}\bold X_B+t_{CB} XC=RCBXB+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 X C \bold X_C XC，投影方程表达如下，
π ( X C ) = f u X C Z C + c u f v Y C Z C + 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)=fuZCXC+cufvZCYC+cv
设图像检测得同名点为 x x x，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。