第4章环境建模

4. 环境建模：五种地图的构建与特点

环境建模这事儿，说白了就是给机器人或无人机一张「地图」。但地图有很多种，选错了，后面航迹规划全白搭。我最早做项目时，就吃过这个亏——用栅格地图去搞三维空间，结果内存直接爆了。嗯，今天咱们把这五种地图掰开揉碎讲清楚。

栅格地图是最直观的。把空间切成一个个小格子，每个格子要么是障碍物，要么是自由空间。就像下围棋，黑白分明。

构建方法：

核心特点：

我建议：二维平面用栅格地图没问题，但三维就别硬上了。我曾经试过用1cm分辨率建一个10m×10m的房间，光栅格就100万个，内存直接飙到几百MB。你想想看，这还只是二维。

八叉树地图是栅格地图的「升级版」。它用递归八分法，把空间切成八块，如果某块全是空的或全是障碍，就不再细分。说白了，就是「该粗的地方粗，该细的地方细」。

构建流程：

1. 初始化根节点（整个空间）
2. 插入点云数据
3. 递归分裂：如果节点内既有障碍又有空，就分成8个子节点
4. 更新每个节点的占用概率
5. 剪枝：如果8个子节点状态一致，合并回父节点

个人经验：八叉树地图在无人机导航中特别好用。我做过一个室内巡检项目，用八叉树地图存储三维环境，内存只有栅格地图的1/10。而且它天然支持「未知区域」——这点对探索任务太重要了。

特点对比：

点云地图就是一堆三维点的集合。每个点有(x,y,z)坐标，可能还有颜色或强度信息。激光雷达扫出来的原始数据就是点云。

构建方式：

注意：点云地图不能直接用于路径规划！它只是「一堆点」，没有语义信息。你需要先做地面分割、障碍物聚类，才能提取出可通行区域。我曾经踩过这个坑——直接把点云丢给规划器，结果机器人试图从墙壁中间穿过去。

点云地图的优点是精度高、细节丰富。缺点是数据量大、处理慢。我建议：点云地图适合做「底图」，再转换成其他地图格式使用。

拓扑地图不关心精确的几何位置，只关心「节点」和「连接关系」。就像地铁线路图——你不需要知道站台的具体经纬度，只需要知道哪站到哪站。

构建方法：

1. 从栅格或点云地图中提取关键点（如路口、拐角）
2. 用图论方法连接这些点
3. 每条边记录距离或通行代价

特点：

我个人习惯：在大范围导航中用拓扑地图做「粗规划」，再用栅格地图做「细规划」。比如从A楼到B楼，拓扑地图给出路径，到了B楼再用栅格地图找具体房间。这样又快又准。

语义地图是最高级的。它不光知道「这里有障碍」，还知道「这是一张桌子」、「那是一扇门」。说白了，就是给地图里的每个物体贴上标签。

构建流程：

为什么重要？ 因为机器人需要「理解」环境。比如「请把杯子放到桌子上」——如果没有语义地图，机器人根本不知道哪个是桌子。语义地图让任务规划成为可能。

我记得有个项目，机器人要在办公室送文件。用语义地图标注了「门」、「走廊」、「工位」后，规划器就能自动生成「开门→穿过走廊→到达工位」这样的高层任务。这在传统地图上根本做不到。

这五种地图不是互斥的，而是互补的。我画了一张图帮你理清关系：

选型建议：

我的建议：实际项目中，往往是多种地图混合使用。比如我最近做的仓储机器人，底层用八叉树地图做避障，上层用拓扑地图做路径规划，再叠加语义地图做任务识别。三种地图协同工作，效果比单一地图好得多。

嗯，环境建模就讲到这里。记住一句话：没有最好的地图，只有最合适的地图。选对了，后面规划就顺了；选错了，后面全是坑。

公众号:蓝海资料掘金营，微信deep3321