八叉树SLAM 使用 CUDA 和 OpenGL 构建和渲染大型八叉树地图 ＃＃参考 【OctoMap：基于八叉树的高效概率3D映射框架】（ ） [KinectFusion：实时密集表面映射和跟踪] ( ) [KinectFusion：使用移动深度相机进行实时 3D 重建和交互] ( ) [具有体积融合的实时大规模密集RGB-D SLAM]（ ） [CPU 上的实时体积 3D 映射] ( ) [使用体素锥跟踪的交互式间接照明] ( ) [VoxelPipe] ( ) [高效的稀疏体素八叉树 - 分析、扩展和实现] ( ) [GigaVoxels] ( )

针对室内环境中视觉同时定位与建图（simultaneous localization and mapping, SLAM）精度不高和实用性较差等问题,采用深度相机作为传感器,提出一种基于改进词袋模型的视觉SLAM算法。该算法通过增加节点距离的方式,对传统的词袋模型进行改进,采用octree方法转化点云,生成可用于导航的八叉树图,并进行改进前后词袋模型对比实验、数据集精度实验和实验室实测。结果表明,改进后的词袋模型相似度计算能力和区分度更强,SLAM算法在环境有回环和相机运动较慢的情况下,效果较好,可满足室内同时定位与建图及后续导航需求。