大规模视觉定位地图需求：
室外有和GPS对齐的能力，室内有和语义地图对齐的能力。 只得到xyz值的意义不大，一定还要和某些语义关联起来。虽然基于定位地图可以自己建立各种语义信息，这样保证了语义信息和定位信息的对齐，但另外一种途径就是让生成的定位地图直接和其他语义地图对齐。室外的话gps坐标作为通用的位置接口，室内需要手动和地图对齐，或者结合wifi定位等泛定位信息，但这要求室内定位地图的相对精度足够高。局部性。 如果定位地图中很远的两个点还会有耦合的话，这样整个问题将得很困难。在室外要充分利用GPS的全局定位特性让定位地图只有局部性。这样在做优化的时候，只用考虑更新数据附近的变化就行。稳定性。 不能一颗耗子屎打坏一锅汤。如果处理后有不好的结果，不能让地图越来越坏，需要把坏的结果剔除。允许宁缺毋滥/有限性。 不能随着数据量的增加，处理时间和内存占用也无限增加。要有删减的机制。多数据增强性。 地图要有一种随着数据量的增多，精度越来越高的能力。时效性。 要有能判断什么数据已经过时，比如由场景变化引起。只能使用廉价传感器。
数据更新流程：基本思路是先把所有不能被优化消除的重投影删除，然后删除分离的点和Frame。这样就剩下干净的地图。虽然可能会丢掉很多有用信息，但毕竟是众包，后面新的数据可以补充扔掉的。
使用SLAM生成局部地图使用IMU来对齐重力方向和绝对尺度。如果有GPS，使用GPS和地图对齐。基于共视关系强弱，把局部地图分解成多个子地图。使用重定位和重投影匹配找到各个子地图和历史地图的匹配。基于之前的匹配计算各个子地图和历史地图的sim3变换，并使用这个sim3和历史地图对齐。使用SE3 Pose优化对齐使用BA对齐。删除重投影大的点删除重投影误差大的Frame删除冗余的Frame删除离散的Frame判断最终生成的地图，如果地图的size比合并前还小，说明这次合并失败，把地图回退到合并前的状态。如果没有和历史地图匹配上的子地图会放入预备匹配库中，供以后再次被匹配上。
相关关键技术：
使用视觉匹配提升GPS的绝对定位精度：/ziliwangmoe/article/details/100061566GPS数据边缘化：/ziliwangmoe/article/details/100062061地图分块存储优化：分层级Pose优化：使用共視关系和重投影误差清理坏数据：基于共視关系选择影响范围：
