我正在使用新的jetson nano开发机器人。我已经从相机的深度图像中生成了点，并且正在努力随着机器人的移动来创建场景。我的问题是，每帧都将点扔进数据结构会使我很快耗尽内存。因此，我想进行一些启发，说如果某个点满足某些条件，则不要添加它。
为此，我想我需要一个加速结构，例如Octree，KDTree，BVH层次结构或其他某种结构。尽管我熟悉它们并找到了许多有关如何构建它们的信息，但我对它们中的哪一个最容易更新每个框架，或者与增量重建相比是否需要完全重建感到有些困惑。可以并行化吗？任何有关什么类型的数据结构的见解（可能带有链接）都将非常有帮助。
编辑： 我认为，最好的结构可能是稀疏Voxel Octree。您可以从Nvidia的博客中找到一些有关如何操作的一般想法。 https://devblogs.nvidia.com/thinking-parallel-part-iii-tree-construction-gpu/。 如果莫顿码映射到特定的体素，则该体素被“填充”。当体素填充或未填充时，多余的点会自动得到处理。对于删除，我想我可以在八叉树上进行光线追踪，如果在我期望也删除现有体素之前与填充的体素发生碰撞，则可以这样做。存在一些分辨率问题，但是我认为我可以使用混合方法来解决这个问题。