OctoMap

1. OctoMap 简介

• 核心原理：Octomap 的核心是递归地将 3D 空间划分为八个子节点。
• 如果一个空间块内完全是空的或完全被占据，则无需进一步细分。
• 如果空间内既有障碍物又有空隙，则继续分裂。 这种结构使得它在表示大范围稀疏环境时，比直接存储点云要节省大量的内存。

2. OctoMap 主要特点

• 概率更新（Probabilistic) ： 它不仅仅记录“有”或“无”，而是记录一个占据概率。通过多次传感器观测（如 LiDAR 或 RGB-D 相机）来更新每个立方体的状态。这能有效过滤掉传感器噪声或动态物体的干扰。

• 三种状态： 不同于点云只表达“哪里有物体”，Octomap 明确区分了：
1. 占据（Occupied）： 确定有障碍物。
2. 空闲（Free）： 确定可以通过。
3. 未知（Unknown）： 传感器尚未探测到的区域（对自主探索任务至关重要）。

• 内存高效： 由于八叉树的特性，对于大面积的空白区域，Octomap 只需一个大的节点即可表示，而不需要存储成千上万个点。

3. OctoMap 优势

1. 避障： 机器人需要知道 3D 空间中哪个高度有障碍物，Octomap 可以提供完整的体积信息。

2. 路径规划： 算法（如 A* 或 RRT*）可以快速在 Octomap 中查询某个坐标是否可行。

3. 地图保存： 相比于几个 GB 的点云文件，Octomap（.bt 或 .ot 格式）通常只有几 MB 到几十 MB，非常适合持久化存储。

4. OctoMap 对比常规建图

• 地图话题变了：OctoMap 默认会发布两个极其有用的话题：
• /octomap_full 或 /octomap_binary：这是完整的 3D 体素地图数据。
• /projected_map：这是拍扁后的 2D 栅格地图（类型就是 nav_msgs/OccupancyGrid）。你需要在 RViz 的 Map 插件里将话题改为这个，就能看到 2D 地图了。

• 纯粹信任里程计：slam_toolbox 内部会做闭环检测（Loop Closure）来修正漂移；而 octomap_server 只是一个纯粹的建图器，它完全信任 FAST-LIO2 喂给它的 TF 位姿。得益于 Mid-360 的强悍，FAST-LIO2 的漂移极小，在这个场景下单次建图绝对够用。

• 消除动态障碍物（如路过的同学）：OctoMap 的精髓在于它的射线追踪（Raytracing）。当机器狗往前走时，雷达的光束扫过原本被路人挡住的区域打到了墙上，它就会在内存中把这段光束经过的体素“清空”。这就意味着，你可以在有人的校园里建图，地图依然很干净。

5. 示意图

• OctoMap投影原理

• 实际建图效果（go2w：Mid-360）

0m-1.3m

0.15m ~ 1.5m

6. 代码实现

• 预安装

• launch文件：FAST-LIO2 + OctoMap 投影