C-blox：一种可扩展且一致的基于TSDF的稠密建图方法

在许多应用中，维护环境的一致稠密地图是使机器人平台能够执行更高层次决策的关键。已有若干工作致力于解决利用提供深度信息的视觉传感器创建精确稠密3D地图的挑战。然而，在较长时间的任务运行中，由于累积的相机跟踪误差和延迟的闭环闭合，重建结果很容易变得不一致。如果不明确解决地图一致性问题，从此类失真中恢复往往很困难。我们提出了一种新颖的稠密3D建图系统，旨在解决构建一致性地图的同时应对可扩展性的挑战。我们方法的核心是将环境表示为一系列重叠的TSDF子体积。这些子体积通过基于特征的相机跟踪和光束法平差进行定位。我们的主要贡献是一个用于识别地图中稳定区域并融合相关子体积的流程。这种方法使我们能够减少地图增长，同时保持一致性。我们在一个公开数据集和仿真引擎上演示了所提出的系统，并展示了所提方法在构建一致且可扩展地图方面的有效性。最后，我们展示了我们的方法在一架轻型MAV上机载实时运行。