TaichiSLAM:一周构建稠密SLAM后端的尝试（一）介绍了Taichi用于Mapping的诸多优势，本文将更进一步地介绍使用Taichi建立TSDF，ESDF，最后使用Marching Cube建立网格（Mesh）的过程。

　　SLAM全称为Simultaneous Localization and Mapping，即实时定位与地图构建，对移动机器人/无人机/自动驾驶/eVTOL等至关重要。

　　徐浩，香港科技大学电子计算机工程系博士在读。本科毕业于中国科学技术大学物理系，主要研究方向为无人机（UAV），无人机集群（Aerial Swarm），无人机集群状态估计，协同定位与建图（CSLAM）。

　　作者在这里使用了RealSense+DJI N3采集了数据集，visual odometry由作者维护的VINS-Fusion的鱼眼分支的非鱼眼版本建立。视频演示在作者的B站，阅读原文即可前往观看。

　　渲染是在GGUI基础上开发的TaichiSLAMRender，这里展示了上一章提到过的Octomap在此数据集上的显示。

　　TSDF&ESDF

　　言归正传，本文不会详细介绍算法，仅做成功展示。首先是TSDF/ESDF是很相似的两种东西，本质上都是使用一个数字表示是否在物体的内部外部，TSDF比ESDF建立的过程要快很多，ESDF适合无人机导航（例如Fast-planner[1]），TSDF则可以用于生成网格，关于这二者的具体讨论可以参见论文「Voxblox:Incremental 3D Euclidean Signed Distance Fields for On-Board MAV Planning」[2]。

　　使用Taichi建立TSDF/ESDF的主要优点在于极容易并行化，可以无成本地使用CUDA，并且可以直接使用稀疏数据结构，这对大场景的无人机应用是非常重要的。在我们先前的一些实验中，由于科研代码没有写复杂的数据结构，ESDF和TSDF所占用的内存困扰了无人机实验很久，而如果使用TaichiSLAM，则就是这么简单：

　　def data_structures(self,block_num_xy,block_num_z,block_size):

　　if block_size>1:

　　Broot=ti.root.pointer(ti.ijk,(block_num_xy,block_num_xy,block_num_z))

　　B=Broot.dense(ti.ijk,(block_size,block_size,block_size))

　　else:

　　B=ti.root.dense(ti.ijk,(block_num_xy,block_num_xy,block_num_z))

　　Broot=B

　　return B,Broot

　　建立TSDF是一个高度需要并行化的过程。在taichiSLAM中，我们读取visual odometry和depth map，然后依据以下公式建立TSDF，并进一步地迭代为ESDF。taichi https://taichi-lang.cn/