1樓：fly qq
這個其實跟二維的路徑規劃算是同類問題吧：
？ - 知乎
下面，回答的套路也跟二維場景一樣：
首先，我們還是需要確認一下，三維的路徑規劃需要哪些資訊？
是的，答案很簡單，跟二維一樣：定位與地圖。
首先， 利用視覺 SLAM 可以解決機械人的定位問題，剩下的就是怎麼將視覺地圖轉換成規劃使用的地圖了。
當然，對於規劃演算法，三維的點狀機械人，用 A* 還湊合，但是，如果是需要考慮姿態的無人機（六維），那麼可能就得考慮用基於取樣的方法或者軌跡優化類的演算法了。
而這類演算法，不太可能直接得到完整的 Configuration Space，所以涉及到環境（地圖）的就乙個用途：碰撞檢測/計算與障礙物距離。
我們用 V-SLAM 建立的地圖可能長這樣：
理論上講，直接輸入這些障礙物的點就夠用了（計算每個點與機械人最近距離）。
但是，畢竟點很多呀，而且V-SLAM很可能計算到一些錯誤的點。所以，我們一般需要進行以下處理：
（我就用機械臂上的來做例子，當然，我的點雲是從Kinect獲取的，但大概意思相同：機器之眼 | Kinect v2）
濾波：去掉一些離群點，PCL 庫就提供了幾種點雲濾波演算法。
濾波前：
濾波後：
前面的圖中可以發現，我將機械臂規劃中的點雲也換成了Octomap，這樣，每次只需對Octomap中的小立方體與機械臂做碰撞檢測就行，大大降低了儲存資料量與碰撞檢測運算量。
Sematic Map: 就算轉換成了Octomap，小立方體還是很多呀，怎麼辦？這時候就可以對點雲進行一些處理了。
例如，通過平面檢測，識別出地面、天花板等，直接用乙個大的立方體替換掉Octomap的小方塊；或者通過物體識別演算法識別出環境中的物體，用物體的3D模型替換Octomap，這樣也可以大大減少碰撞檢測的計算量。
如何評價高博的《視覺SLAM十四講》？
david 說起來偶然，從同事的桌子上看到這本書，我主要做計算機視覺，隨手翻了翻，發現視覺SLAM可以從某種程度上說是計算機視覺的乙個具體應用，例如第五章就是相機與影象，對於熟悉OpenCV的朋友沒有問題，第7章和第8章視覺里程計無論是特徵點法還是光流法，又是計算機視覺中的應用，第12章回環檢測與計...
如何通過鍛鍊使腿變長，不僅僅視覺上？
向上的樂仔 同樣身高的兩個女生，其中乙個如果臀部比較翹，那從視覺上讓下臀線和大腿根分開，看上去腿就長了。再看旁邊那位臀部較扁的小姐姐，腿和臀就有點 分不開 了。在這裡也介紹二個我女友常用的練臀動作 動作一 槓鈴臀橋，上背部倚靠在臥推凳上，槓鈴置於小腹位置 可以放東西墊著 腳掌重心在腳後跟處，臀部發力...
清美視覺傳達專業的考研通過率？
清北君 一 關於錄取 2017年報考人數223人，錄取5人 2016年報考人數208人，錄取14人 2015年報考人數194人，錄取15人 清美視覺傳達作為報考人數最多的專業，其競爭激烈程度不言而喻！2017年報考學碩分數線 政治 40分英語40分專業1理論90分專業設計120分總分330分 201...