视觉SLAM第12讲｜地图构建：单目稠密重建、RGB-D点云与八叉树地图全解析

前面十一讲我们把前端里程计、后端优化、回环检测挨个啃完，核心都是解决「定位」问题------我在哪。但SLAM全称里还有第二个M，Mapping建图。定位和建图本来就是一体两面：定位依赖地图提供约束，建图反过来又靠定位结果累积。

第12讲就专门讲建图：从单目稠密深度估计，到RGB-D直接点云重建，再到工程上最常用的八叉树占据地图，把不同类型地图的原理、优劣、适用场景一次性讲透。

一、建图概述：你需要什么样的地图

建图不是只有"三维点云"这一种形态。任务不同，需要的地图完全不一样。按照表达的信息可以分成两大类：

1.1 度量地图

强调精确的坐标、尺寸和几何关系，是SLAM里最常见的地图形式。又按精细度分成两类：

稀疏地图：只保留路标级别的特征点，用来辅助定位就行，数据量小、处理速度快。
稠密地图：建模所有能看到的表面，像素级/体素级精度，用来导航避障、三维可视化、场景重建。

1.2 拓扑地图

不关心精确坐标，只关心地点之间的连通关系。节点代表地点，边代表可通行的路径，适合高层路径规划。

💡通俗解释：就像你去商场，稀疏地图就是几个导购台的坐标，够你定位自己；稠密地图就是整个商场的三维模型，能看清每个店铺的造型；拓扑地图就是商场导览图，只标店铺和通道，告诉你哪能走哪不能走。

二、单目稠密重建：从像素里"迭代估计"深度

单目相机没有直接深度输出，想做稠密地图，就得逐像素估计深度。这就是单目稠密重建的核心问题。

2.1 极线搜索与块匹配

有了前后帧的相机位姿，左图的一个像素，对应到右图上不会随机分布，一定落在对应的极线上。沿着极线搜索匹配的像素块，就能找到对应像素，这就是极线约束。

极线约束把搜索范围从二维全图压缩到一维极线，计算量直接暴跌一个数量级。
匹配不用单个像素比，用像素块比，也就是块匹配，常用SAD（绝对差之和）、SSD（平方差之和）作为相似度指标。块比单个像素抗噪声，鲁棒性更好。

2.2 高斯深度滤波器

只靠两帧三角化出来的深度噪声很大。单目稠密重建的标准做法是深度滤波器：把每个像素的深度当成一个高斯分布，有均值和方差。

每来一帧新图，就沿着极线找匹配，得到一个新的深度观测，然后用高斯融合规则更新这个像素的深度分布。当方差小于设定阈值，就认为深度收敛了，固定下来不再更新。

💡通俗解释：就像判断一个东西有多远，第一眼猜个大概，越走越近多看几眼，每次都修正一下判断，越来越准，最后确定就是这个距离。深度滤波器就是这个过程的数学实现。

2.3 单目稠密的局限

✅ 优点：只用单目相机，硬件成本低，场景不限；

❌ 缺点：

计算量大，全图每个像素都要做极线匹配，通常要GPU加速才能实时运行；
弱纹理区域（白墙、天空、光滑表面）匹配误差大，深度跳变严重；
保留了单目天生的尺度不确定性，整体深度是飘的。

三、RGB-D稠密建图：直接测量的点云拼接

RGB-D相机主动测量每个像素的深度，不用费劲算视差、估深度，直接像素转三维点，是稠密建图最简单、落地性最强的方案。

3.1 点云拼接

步骤非常直接：

每帧深度图，根据相机内参转换成相机坐标系下的三维点云；
根据当前帧的相机位姿，把点云变换到世界坐标系；
所有帧的点云叠加到一起，就是全局稠密点云地图。

但原始点云有很明显的工程问题：

数据量大，一帧就几十万个点，多帧叠加后内存爆炸；
散乱无结构，查询某个位置有没有障碍物效率很低；
噪声大，物体边缘浮动明显。

3.2 八叉树地图 OctoMap

工程上做导航避障，最常用的不是原始点云，是八叉树占据地图。

核心思想：递归八叉划分三维空间。每个立方体节点存储三种状态：占据、空闲、未知。

有障碍物的区域，继续细分下一级，做到高精度；
空旷的区域，就停在粗粒度，不用存储细节，大幅节省内存。

💡通俗解释：八叉树就像分块收纳盒。大箱子先分成八个小盒子，有东西的小盒子再分八个，没东西的盒子就空着不用管。既知道哪有障碍物，又省空间，查询速度还快。

八叉树的核心优势：

内存高效，空旷空间压缩比极高；
支持多分辨率查询，近密远粗；
可以随时插入新点云、动态更新；
非常适合移动机器人导航、避障场景。

四、TSDF地图：高质量表面重建

如果想要更光滑、更精确的三维表面模型，就用TSDF（截断符号距离函数）地图。

4.1 TSDF基本原理

每个体素存储一个带符号的距离值：该体素到最近物体表面的距离。表面内部为负，外部为正。

"截断"的意思是：距离表面太远的地方就不存精确值了，只保留截断范围内的信息，进一步节省空间。

4.2 多帧深度融合

把多帧深度图的观测，逐体素融合到TSDF模型里，最终得到的表面会非常光滑，比原始点云的重建质量高很多。

经典代表就是KinectFusion，是用TSDF做实时三维重建的标杆方案。

💡通俗解释：TSDF就像把很多张深度图"叠印"在一起，越叠越光滑，越接近真实的物体表面。适合做高精度的三维重建模型。

五、实践环节

第12讲的实践围绕三个核心实验展开：

单目稠密重建：手写极线搜索+块匹配+高斯深度滤波器，从单目图像序列输出逐帧收敛的深度图，直观看到深度怎么一步步迭代稳定。
RGB-D点云拼接：输入多帧深度图和对应相机位姿，拼接成全局稠密点云。
八叉树地图构建：把原始点云转换成八叉树占据地图，可视化不同层级的分辨率效果。

小结

建图从来没有标准答案，完全看任务需求。

只做定位，稀疏特征点地图就够了；做三维可视化、场景重建，用稠密点云或者TSDF；做机器人导航避障，八叉树占据地图是工程首选。

前端、后端、回环、建图，到这里视觉SLAM的完整算法框架就全部串起来了。下一讲我们进入工程实践章节，看看怎么把这些模块拼装起来，搭一个完整可运行的双目SLAM系统。