三维ESDF map

ESDF是Euclidean Signed Distance Field的缩写，即欧几里得有符号距离场。三维ESDF map是一种用于路径规划的地图结构，它可以表示环境中每个点到最近障碍物的欧几里得距离，并且可以表示该点是否在障碍物内部或外部。ESDF map可以通过多个1-D维度上的距离计算，最终得到3-D空间上的距离值。在路径规划中，ESDF map可以用于计算机器人到目标点的最短路径，并且可以考虑到环境中的障碍物，避免机器人与障碍物发生碰撞。

相关问题

JavaEsSparkSQL.esDF API文档

JavaEsSparkSQL.esDF API 是一个与 Elasticsearch 进行交互的 Java API，用于将 Elasticsearch 中的数据读入 Spark SQL DataFrame 中。下面是该 API 的详细文档：

## 方法

### esDF(sparkSession: SparkSession, resource: String): Dataset<Row>

读取 Elasticsearch 中的数据并将其转换为 Spark SQL DataFrame。

参数：

- `sparkSession`：SparkSession 对象。
- `resource`：Elasticsearch 中的索引或搜索查询。

返回值：

- `Dataset<Row>`：表示 Elasticsearch 中数据的 Spark SQL DataFrame。

## 示例

以下示例展示如何使用 esDF API 从 Elasticsearch 中读取数据并将其转换为 Spark SQL DataFrame。

import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;

import static org.elasticsearch.spark.sql.api.java.JavaEsSparkSQL.esDF;

public class ReadFromElasticsearch {
    public static void main(String[] args) {
        SparkSession spark = SparkSession.builder()
                .appName("ReadFromElasticsearch")
                .master("local[*]")
                .config("es.nodes", "localhost")
                .config("es.port", "9200")
                .getOrCreate();

        Dataset<Row> df = esDF(spark, "index_name/_search?q=*");

        df.show();
    }
}

在上面的示例中，我们使用 esDF API 从 Elasticsearch 中读取名为 `index_name` 的索引的所有文档，并将其转换为 Spark SQL DataFrame。最后，我们使用 `show()` 方法显示 DataFrame 中的数据。

ESDF地图和TSDF地图

ESDF (Euclidean Signed Distance Field) 地图和 TSDF (Truncated Signed Distance Field) 都是用于表示环境中空间占用情况的数据结构，常用于机器人导航、游戏引擎中的碰撞检测以及实时三维重建等领域。

ESDF 地图是基于欧几里得距离场的概念，它存储每个位置的空间坐标处障碍物的距离。如果一个位置是空地，则对应的值为0；如果是墙壁或其他障碍物，值则为负数代表障碍物方向；正数则是安全区域。ESDF直接提供了一个简单的空间感知，但对于远离传感器的数据，精确度可能降低。

TSDF 则是对 ESDF 的改进，它是通过对距离字段进行剪切（truncation），即限制距离的范围，只关注附近的环境信息。TSDF 通过近似计算和压缩稀疏数据，可以减少内存消耗并提高实时性能，尤其是在动态环境和远距离探测中。此外，TSDF 还允许增量更新，适合实时更新的场景，比如SLAM系统中的地图构建。

两者的主要区别在于精度和效率平衡：ESDF 更原始且直观，而 TSDF 提供了更好的性能优化。