4、环境感知与建图：占据栅格地图、概率栅格地图、OctoMap八叉树地图

做机器人导航这么多年，我越来越觉得——建图这件事，本质上就是回答一个问题：“这个地方到底能不能走？”

你想想看，机器人要导航，首先得知道自己周围长什么样。激光雷达扫一圈，回来一堆点云。但点云本身不是地图，它只是原始数据。我们需要把这些数据转化成机器人能理解的结构化表示。

这一章，我们就来聊聊三种最常用的地图表示方式：占据栅格地图、概率栅格地图，以及OctoMap八叉树地图。

4.1 占据栅格地图：最朴素的想法

先说最简单的。把空间划分成一个个小格子，每个格子要么是“有障碍物”，要么是“没有障碍物”。这就是占据栅格地图的核心思想。

我在项目中第一次接触这个，是在一个扫地机器人上。当时觉得，这不就是二维数组嘛，有啥难的？后来发现，事情没那么简单。

所以，纯粹的0/1二值化表示，在实际中几乎不可用。我们需要更优雅的方式——概率。

4.2 概率栅格地图：用概率说话

概率栅格地图，说白了就是给每个格子一个概率值。0表示绝对空闲，1表示绝对占据，0.5表示完全未知。

每次激光雷达打过来一束射线，我们就更新沿途格子的概率。射线穿过的格子，概率降低（更可能是空闲）。射线终点附近的格子，概率升高（更可能是障碍物）。

嗯，这里要注意：概率更新不是简单的加减法，而是用对数几率（log-odds）来做的。为什么？

因为概率乘法容易溢出，而且不方便累加。对数几率就没有这个问题。

# 一个简单的概率栅格更新示例
import numpy as np

# 初始化：所有格子概率0.5（未知）
grid = np.full((100, 100), 0.5)

# 对数几率转换
def log_odds(p):
    return np.log(p / (1 - p + 1e-10))

def inverse_log_odds(l):
    return 1.0 / (1.0 + np.exp(-l))

# 更新函数
def update_cell(grid, x, y, occupied, l_occ=0.9, l_free=0.4):
    # 当前对数几率
    l = log_odds(grid[y, x])
    # 更新
    if occupied:
        l += l_occ
    else:
        l -= l_free
    # 转回概率
    grid[y, x] = inverse_log_odds(l)

4.3 二维 vs 三维：什么时候用哪种？

二维概率栅格地图，适合地面机器人。比如扫地机、AGV小车。计算量小，实时性好。

但如果你做的是无人机、机械臂，或者需要感知立体空间的机器人，二维就不够用了。这时候需要三维地图。

三维地图怎么做？最直接的想法：把二维栅格扩展到三维，变成体素（voxel）网格。但问题来了——三维空间太大了。

举个例子：一个10m×10m×3m的房间，用5cm分辨率，需要多少体素？

维度	数量
X方向	200
Y方向	200
Z方向	60
总计	2,400,000

240万个格子！而且大部分是空的。这就是三维栅格地图的致命伤——内存爆炸。

4.4 OctoMap八叉树地图：优雅的解决方案

OctoMap的出现，就是为了解决三维地图的内存问题。它的核心思想是：只在需要的地方细化。

八叉树的结构很简单：

• 根节点代表整个空间
• 每个节点有8个子节点，代表8个卦限
• 如果某个子区域内部是均匀的（全是空闲或全是占据），就不再细分
• 如果区域内部有变化，就继续递归细分

这样做的好处很明显：大片的空旷区域，只需要一个节点表示。只有障碍物边界附近，才会产生大量细节点。

4.5 OctoMap的概率更新

OctoMap不是简单的占据/空闲二值树。每个节点也存储概率值，更新方式和概率栅格地图类似。

我曾在一次无人机避障项目中用过OctoMap。当时遇到一个坑：无人机飞得很快，激光雷达数据更新频率高，八叉树频繁更新，导致CPU占用飙升。

4.6 三种地图的选型建议

说了这么多，到底该用哪种？我个人的经验是这样的：

• 二维平面导航（扫地机、AGV）：用概率栅格地图。简单、高效、成熟。
• 三维空间感知（无人机、机械臂）：用OctoMap。内存友好，支持多分辨率查询。
• 纯障碍物检测（不建图，只避障）：用占据栅格地图就够了。甚至可以用更简单的代价地图。

4.7 核心知识体系

下面这张图，是我自己总结的三种地图的核心逻辑对比。你看一眼就能明白它们之间的关系。

4.8 实践中的一点感悟

说实话，这三种地图没有绝对的好坏。我见过有人用二维概率栅格做无人机避障，也见过有人用OctoMap做扫地机导航。关键看你的场景和资源。

如果你刚开始做机器人导航，我建议从二维概率栅格地图入手。它足够简单，也足够强大。等遇到三维需求了，再切换到OctoMap也不迟。

嗯，这一章就到这里。地图建好了，下一步就是怎么用它来导航和避障了。

---

公众号:蓝海资料掘金营，微信deep3321