D-BDM: A Direct and Efficient Boundary-Based Occupancy Grid Mapping Framework for LiDARs
作者: Benxu Tang, Yixi Cai, Fanze Kong, Longji Yin, Fu Zhang
分类: cs.RO
发布日期: 2026-04-14
💡 一句话要点
D-BDM：一种高效的激光雷达直接边界占用栅格地图构建框架
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 占用栅格地图 激光雷达 三维重建 机器人导航 边界表示
📋 核心要点
- 传统占用栅格地图内存消耗大，光线投射更新效率低，难以满足自主机器人的实时性需求。
- D-BDM通过截断光线投射和直接边界更新，避免了对内部体素的遍历和辅助栅格的使用，提升了效率。
- 实验结果表明，D-BDM在更新时间和内存消耗方面优于现有方法，验证了其有效性。
📝 摘要（中文）
高效且可扩展的3D占用栅格地图构建对于未知环境中的自主机器人应用至关重要。然而，传统的占用栅格表示存在两个根本限制：一是显式存储三维空间中的所有体素导致巨大的内存消耗；二是穷举式的光线投射导致高更新延迟。最近的一种表示方法通过仅维护二维边界上的体素来缓解内存需求，但它们仍然依赖于完整的光线投射更新。本文提出了一种高效更新方案，改进了基于边界的框架。我们引入了一种截断光线投射策略，将体素遍历限制在边界外部，从而显著减少了更新体素的数量。此外，我们提出了一种直接边界更新机制，无需辅助局部3D占用栅格，进一步减少了内存使用并简化了地图更新流程。我们将我们的框架命名为D-BDM。在公共数据集上的大量评估表明，与基线方法以及先前的基于边界的方法相比，我们的方法实现了显著更低的更新时间和减少的内存消耗。
🔬 方法详解
问题定义：现有3D占用栅格地图构建方法面临内存消耗大和更新延迟高的挑战。传统的体素表示需要显式存储所有三维空间中的体素，导致内存占用随环境增大而迅速增长。同时，为了更新地图，需要进行穷举式的光线投射，计算量巨大，难以满足实时性要求。
核心思路：D-BDM的核心思路是仅维护地图的边界体素，并采用截断光线投射策略，只更新边界外部的体素。通过这种方式，避免了对内部体素的冗余计算和存储，从而显著降低了内存消耗和更新延迟。此外，直接边界更新机制避免了使用辅助局部3D占用栅格，进一步简化了流程。
技术框架：D-BDM框架主要包括以下几个阶段：1) 激光雷达数据输入；2) 截断光线投射：根据激光雷达数据，从传感器位置向外投射光线，但只遍历到边界体素为止；3) 边界更新：根据光线投射的结果，直接更新边界体素的状态（占用或空闲）；4) 地图输出：生成最终的3D占用栅格地图。
关键创新：D-BDM的关键创新在于：1) 截断光线投射策略，通过限制光线遍历范围，减少了需要更新的体素数量；2) 直接边界更新机制，避免了使用辅助局部3D占用栅格，简化了更新流程，降低了内存占用。与现有方法相比，D-BDM无需遍历内部体素，也无需额外的局部栅格，因此更加高效。
关键设计：D-BDM中的截断光线投射策略需要仔细设计光线停止的条件，以确保边界体素能够被准确更新。直接边界更新机制需要考虑如何有效地表示和维护边界体素，以及如何处理边界体素状态的更新。具体的参数设置和实现细节在论文中进行了详细描述（未知）。
🖼️ 关键图片
📊 实验亮点
论文在公开数据集上进行了大量实验，结果表明D-BDM在更新时间和内存消耗方面显著优于基线方法和先前的基于边界的方法。具体的性能提升数据在论文中进行了详细展示（未知）。这些实验结果验证了D-BDM的有效性和优越性。
🎯 应用场景
D-BDM可应用于各种需要实时3D地图构建的自主机器人应用中，例如自动驾驶、无人机导航、机器人探索和SLAM等。该方法能够高效地构建环境地图，为机器人的路径规划、避障和环境理解提供支持。未来，D-BDM可以进一步扩展到更大规模和更复杂的环境中，并与其他传感器数据融合，提高地图构建的精度和鲁棒性。
📄 摘要（原文）
Efficient and scalable 3D occupancy mapping is essential for autonomous robot applications in unknown environments. However, traditional occupancy grid representations suffer from two fundamental limitations. First, explicitly storing all voxels in three-dimensional space leads to prohibitive memory consumption. Second, exhaustive ray casting incurs high update latency. A recent representation alleviate memory demands by maintaining only the voxels on the two-dimensional boundary, yet they still rely on full ray casting updates. This work advances the boundary-based framework with a highly efficient update scheme. We introduce a truncated ray casting strategy that restricts voxel traversal to the exterior of the boundary, which dramatically reduces the number of updated voxels. In addition, we propose a direct boundary update mechanism that removes the need for an auxiliary local 3D occupancy grid, further reducing memory usage and simplifying the map update pipeline. We name our framework as D-BDM. Extensive evaluations on public datasets demonstrate that our approach achieves significantly lower update time and reduced memory consumption compared with the baseline methods, as well as the prior boundary-based approach.