3、环境建模：从栅格到八叉树
环境建模，说白了就是让机器人知道「我在哪，周围有什么」。
我刚开始做机器人那会儿，觉得这步挺简单的——不就是画个地图吗？后来踩了不少坑才明白，地图建不好，后面什么路径规划、避障全是白搭。今天咱们就聊聊几种主流的环境建模方法。
3.1 栅格地图（Grid Map）构建
栅格地图是最直观的一种方式。你把环境切成一个个小格子，每个格子要么是障碍物，要么是空地。
举个例子，一个 10m×10m 的房间，用 0.1m 的栅格分辨率，就是 100×100 = 10000 个格子。每个格子存一个值，0 表示空闲，1 表示占据。
核心要点：栅格大小决定了地图精度和内存消耗的平衡。我一般建议室内机器人用 0.05m，室外用 0.2m 起步。
代码实现其实很简单：
class GridMap:
def __init__(self, width, height, resolution):
self.width = width # 格子数量（宽）
self.height = height # 格子数量（高）
self.resolution = resolution # 每个格子的实际尺寸（米）
self.data = [[0] * width for _ in range(height)]
def world_to_grid(self, x, y):
# 把真实世界坐标转成栅格索引
gx = int(x / self.resolution)
gy = int(y / self.resolution)
return gx, gy
def set_obstacle(self, x, y):
gx, gy = self.world_to_grid(x, y)
if 0 <= gx < self.width and 0 <= gy < self.height:
self.data[gy][gx] = 1嗯，这里要注意：栅格地图的索引顺序是 (行, 列)，也就是 (y, x)。我见过不少新手在这上面栽跟头。
3.2 代价地图（Costmap）概念
光有栅格地图还不够。你想想看，机器人是有尺寸的，它不能贴着障碍物走。代价地图就是在栅格地图的基础上，给每个格子加一个「代价」值。
代价通常分几层：
- 致命障碍：机器人中心不能进入的区域（比如墙）
- 膨胀区域：靠近障碍物，代价较高（机器人边缘可能碰到）
- 自由区域：代价为 0，随便走
我在项目中遇到过一个问题：代价地图的膨胀半径设得太小，机器人老是擦着墙走，稍微有点定位误差就撞上了。后来我改成机器人半径 + 5cm 的安全余量，才稳定下来。
个人经验：代价地图的膨胀半径不要小于机器人半径的 1.2 倍。如果你用的是差速轮，还要考虑转弯半径的影响。
3.3 占据栅格（Occupancy Grid）更新原理
这个知识点有点绕，我尽量说清楚。
机器人每扫一次激光雷达，都会得到一堆点云。这些点云告诉我们：这里有个障碍物。但激光是有噪声的，单次测量不可靠。怎么办？用概率。
每个格子存的不再是 0 或 1，而是一个概率值：
- P=0.5：未知区域
- P>0.5：越接近 1，越可能是障碍物
- P<0.5：越接近 0，越可能是空闲
更新公式其实就一句话：
# 对数几率形式，避免概率值溢出
log_odds = log(p / (1 - p))
# 每次观测后更新
log_odds_new = log_odds_old + 观测值
# 观测值：击中障碍物 +0.85，穿过空闲区域 -0.4为什么会这样设计？因为概率相乘容易下溢，用对数形式就变成了加法，稳定多了。
避坑指南：我曾经把更新步长设得太大，结果机器人扫了两圈地图就全白了（概率饱和）。建议更新步长控制在 ±0.5 以内，并且设置概率上下限（比如 0.1~0.9）。
3.4 八叉树地图（OctoMap）简介
栅格地图有个硬伤：内存消耗跟分辨率的三次方成正比。一个 100m×100m×10m 的空间，用 0.05m 分辨率，需要 8 亿个格子，光存数据就要 800MB。
八叉树地图就是来解决这个问题的。它的思路很简单：
- 把空间递归分成 8 个立方体（八叉树节点）
- 如果一个区域全是空地或全是障碍物，就不再细分
- 只有边界区域才继续细分到最高分辨率
说白了，就是「该精细的地方精细，该粗糙的地方粗糙」。
我做过一个测试：同样一个室内场景，栅格地图用了 200MB，八叉树地图只用了 15MB，而且建图效果几乎一样。
核心优势：八叉树地图天然支持三维空间，而且可以动态更新。你想想看，如果房间里有人走动，八叉树只需要更新局部节点，而栅格地图要重算整个平面。
不过八叉树也有缺点：查询速度比栅格地图慢一点（需要遍历树结构），而且实现起来更复杂。我个人建议：二维场景用栅格地图，三维场景用八叉树地图。
知识体系总览
下面这张图把四种建模方法的关系梳理了一下：
好了，环境建模这块就聊到这儿。记住一句话：地图的质量决定了机器人能走多远。下一节咱们聊聊路径规划，那才是真正考验算法功底的地方。
公众号:蓝海资料掘金营，微信deep3321