环境建模基础：栅格地图、几何地图、拓扑地图的构建方法与适用场景对比
做路径规划这么多年，我越来越觉得一个道理：地图选不对，后面全白费。你想想看，就像出门导航，你拿着一张手绘的涂鸦地图和拿着高德地图，走路的策略能一样吗？
环境建模，说白了就是把机器人看到的物理世界，翻译成它能理解的数学语言。今天咱们就聊聊三种最经典的地图模型：栅格地图、几何地图、拓扑地图。我会结合我踩过的坑，把它们的构建方法和适用场景掰开揉碎了讲清楚。
一、栅格地图（Occupancy Grid Map）
这是我最常用的一种，也是入门门槛最低的。栅格地图把环境切分成一个个小格子，每个格子要么是“空闲”，要么是“占用”，要么是“未知”。
构建方法
构建过程其实不复杂。你给机器人装个激光雷达或者声呐，让它转一圈。每扫到一个障碍物，就把对应的格子标记为占用。没扫到的地方，标记为空闲。嗯，这里要注意：传感器有噪声，所以通常用概率模型，比如贝叶斯更新。
我记得有一次做仓储机器人项目，一开始直接用二值化（0或1），结果机器人老撞到货架腿。后来改成概率栅格，每个格子存一个占用概率，问题就解决了。
核心公式（简化版）：
P(occupied | z) = 1 / (1 + exp(-log_odds))
log_odds = log_odds_prior + log_odds_update每次观测 z 来了，就更新这个格子的对数几率。简单说，就是“信心的累积”。
适用场景
- 室内结构化环境：比如办公室、仓库、走廊。格子大小一般设 5cm~20cm。
- 需要精确避障：比如扫地机器人，必须知道哪里是墙、哪里是沙发腿。
- 多传感器融合：激光雷达 + 深度相机，都能往栅格上投影。
避坑指南：我曾经在一个大厂房里用 2cm 分辨率的栅格地图，结果内存爆了。你想想看，100m x 100m 的区域，2cm 格子就是 2500 万个格子，每个格子存一个 float，光地图就占 100MB。后来我改成 10cm 分辨率，内存降到 4MB，路径规划速度也快了 10 倍。
二、几何地图（Geometric Map）
几何地图不画格子，它用点、线、面来描述环境。说白了，就是提取环境的“骨架”。
构建方法
构建几何地图通常分两步：
- 特征提取：从激光点云或图像中提取直线、角点、圆弧。比如用 RANSAC 算法拟合墙面直线。
- 特征关联：把不同时刻提取的特征匹配起来，构建全局的几何模型。
我个人习惯用线段特征。为什么？因为室内环境大部分是直线墙。你想想看，一个走廊就是两条平行线，一个房间就是四条线围成的矩形。用线段表示，比用几千个栅格点高效得多。
一个小技巧：提取直线时，别用最小二乘法直接拟合。我踩过坑——最小二乘法对离群点太敏感。用 RANSAC 或者 Split-and-Merge 算法，鲁棒性好很多。
适用场景
- 结构化环境：工厂车间、办公楼、医院。这些地方几何特征明显。
- 需要轻量级地图：比如无人机，内存和算力都有限，几何地图比栅格地图省资源。
- 定位与建图（SLAM）：很多 SLAM 算法（如 Cartographer）底层其实也在用几何特征做回环检测。
代码示例：用线段拟合墙面
# 伪代码：Split-and-Merge 算法
def split_and_merge(points, threshold):
if len(points) < 2: return []
# 找距离两端连线最远的点
d_max, idx = find_farthest_point(points)
if d_max > threshold:
# 分裂
left = split_and_merge(points[:idx+1], threshold)
right = split_and_merge(points[idx:], threshold)
return left + right
else:
# 合并为一条直线
return [Line(points[0], points[-1])]三、拓扑地图（Topological Map）
拓扑地图最抽象。它不关心具体尺寸，只关心“哪里能到哪”。说白了，就是一张节点-边图。节点代表关键位置（比如房间、路口），边代表连通关系（比如走廊、门）。
构建方法
构建拓扑地图有两种思路：
- 手动定义：人工标出关键节点和连接。适合固定场景，比如酒店送餐机器人，节点就是各个房间门口。
- 自动生成：从栅格地图或几何地图中提取。比如用 Voronoi 图提取道路骨架，或者用图像细化算法（Thinning）提取中轴线。
我记得有个项目是做园区巡检机器人。园区很大，用栅格地图的话，路径规划要算好几秒。后来我改成拓扑地图，节点就是每个路口和关键设备点，边就是道路。路径规划从几秒降到了几十毫秒。
注意：拓扑地图不擅长处理细节避障。你想想看，它只知道“从A到B有一条路”，但不知道这条路中间有没有临时放了个箱子。所以拓扑地图通常要配合局部规划器（比如 DWA）一起用。
适用场景
- 大规模环境：比如整个园区、商场、博物馆。栅格地图太大，拓扑地图轻量。
- 任务级规划：比如“从1号门到3号仓库”，拓扑地图天然适合做这种高层规划。
- 人机交互：给用户看拓扑地图，比看密密麻麻的栅格地图直观得多。
四、三种地图的对比总结
| 特性 | 栅格地图 | 几何地图 | 拓扑地图 |
|---|---|---|---|
| 精度 | 高（取决于分辨率） | 中（取决于特征提取） | 低（只关心连通性） |
| 内存占用 | 高（O(n²)） | 中（O(n)） | 低（O(n)） |
| 构建难度 | 低（直接传感器映射） | 中（需要特征提取） | 高（需要抽象和提取） |
| 路径规划速度 | 慢（A* 在栅格上搜索） | 中（在几何空间搜索） | 快（图搜索） |
| 典型应用 | 扫地机器人、AGV | SLAM、结构化环境 | 园区巡检、任务规划 |
我的建议：实际项目中，很少只用一种地图。我习惯的做法是：底层用栅格地图做精确避障，中层用几何地图做特征匹配和定位，顶层用拓扑地图做全局路径规划。三层配合，既保证了精度，又兼顾了效率。
好了，环境建模这块就聊到这儿。下一章咱们会深入讲路径规划算法，到时候你会看到，地图选对了，算法跑起来才顺手。有什么问题，欢迎在课程群里交流。