光学图像的多粒度感知算法

　　针对快速三维建模中的室内外随动环境感知问题，提出一种基于光学图像的多粒度随动环境感知算法．该算法根据多种光学图像生成拟合真实三维环境的多粒度点云模型，然后通过概率八叉树压缩并统一表示已生成的多粒度三维模型．进而伴随相机轨迹每个时间节点通过卡尔曼滤波动态融合多粒度点云模型的概率八叉树表示．最终生成唯一的时态融合概率八叉树三维模型，简称TFPOM．使TFPOM能够在较少的噪声影响下以任意粒度动态拟合真实环境．该算法配合剪枝和归并策略能够适应多粒度融合和多粒度表示的环境建模要求，有效压缩环境模型存储空间，实现鲁棒的随动环境感知，便于基于环境模型的视觉导航，增强现实等应用．实验结果表明，该算法能够在以可穿戴设备为代表的内含多种异构光学图像传感器、低计算效能的平台上实时地得到充分拟合真实动态环境的多粒度TFPOM，基于该模型的视觉导航具有较小的轨迹误差．