1. 高精地图数据模型与内存布局

做高精地图系统这几年，我踩过最大的坑，就是内存爆炸。

记得有一次，我们的自动驾驶测试车在园区跑得好好的，突然地图加载卡死。排查了一整天，最后发现是某个路口的矢量要素在内存里膨胀了 40 倍。嗯，从那以后，我养成了一个习惯——写代码前先算清楚内存账。

今天我们就来聊聊，高精地图的三种核心数据模型——矢量、栅格、语义要素——在内存里到底长什么样。说白了，就是搞清楚你的数据是怎么躺在内存里的，以及为什么有的模型吃内存，有的模型省内存。

1.1 矢量数据模型：点线面的内存博弈

矢量数据，是高精地图的骨架。车道线、路沿、交通标志的位置，都是用矢量表达的。

你想想看，一个车道边界线，在内存里其实就是一串点坐标。每个点包含 x、y、z，如果是 double 精度，那就是 24 个字节。一条 100 米的车道线，采样间隔 0.5 米，就是 200 个点。光坐标就占了 4800 字节。

我建议你注意一个细节：内存对齐。C++ 里如果你用 struct 存点，编译器可能会在成员之间塞 padding。比如：

// 不推荐：内存浪费
struct Point3D {
    double x;
    double y;
    double z;
    int    id;      // 4字节，但后面会填充4字节
};  // 实际占用 32 字节，而不是 28

// 推荐：按 8 字节对齐排列
struct Point3D {
    double x;
    double y;
    double z;
    int    id;
    // 编译器自动填充4字节到 32
};  // 还是 32？不对，把 id 放前面试试

// 最优方案：大字段在前
struct Point3D {
    int    id;      // 4字节
    double x;       // 8字节，从偏移8开始
    double y;
    double z;
};  // 实际占用 28 字节？不，还是 32，因为结构体整体对齐到最大成员

我在项目中遇到过一种情况：用 shared_ptr 存点云数据，每个智能指针本身 16 字节，再加上引用计数和控制块，一个点凭空多出 24 字节开销。对于百万级点云，这就是 24MB 的浪费。后来我全部换成了 vector 连续存储，内存直接砍半。

1.2 栅格数据模型：分辨率与内存的生死抉择

栅格模型，说白了就是一张大图片。每个格子存一个值，比如高程、占用概率、语义标签。

它的内存公式很简单：宽度 × 高度 × 每个格子的字节数。

举个例子。一个 1km × 1km 的区域，用 10cm 分辨率，就是 10000 × 10000 = 1 亿个格子。每个格子存一个 float（4 字节），那就是 400MB。你想想看，如果车上同时加载 10 个这样的区域，4GB 内存就没了。

分辨率	区域大小	格子数	float 内存	uint8 内存
1m	1km²	1,000,000	4 MB	1 MB
10cm	1km²	100,000,000	400 MB	100 MB
5cm	1km²	400,000,000	1.6 GB	400 MB

我个人习惯的做法是：分层存储。高频更新的层（比如动态障碍物）用低分辨率 + uint8，静态背景层（比如道路边界）用高分辨率 + 稀疏编码。别把所有数据塞进同一个栅格金字塔里。

1.3 语义要素模型：对象化的内存代价

语义要素，就是地图里的「对象」。比如一个红绿灯，它不是一个点，而是一个包含位置、朝向、灯组数量、相位信息、关联车道 ID 的复杂结构体。

这种模型的内存开销，主要来自三个方面：

• 对象头开销：虚函数表指针（vptr）在 64 位系统上占 8 字节，如果类有继承关系，每个对象都带一个 vptr
• 字符串开销：要素的 ID、类型名称，如果用 std::string，每个字符串至少 32 字节（SSO 优化后短字符串也在栈上占 32 字节）
• 关联关系：要素之间的引用（比如这个红绿灯控制哪几个车道），如果用 std::vector<ID> 存，每个 ID 8 字节，再加上 vector 本身的 24 字节开销

// 一个典型的语义要素内存布局
class TrafficLight {
    // vptr: 8 字节（如果有虚函数）
    uint64_t id_;           // 8 字节
    Point3D  position_;     // 24 字节（假设优化后）
    float    heading_;      // 4 字节
    uint8_t  lamp_count_;   // 1 字节
    // padding: 3 字节
    std::string type_;      // 32 字节（短字符串）
    std::vector<uint64_t> related_lanes_; // 24 字节 + 数据
    // 总计：约 104 字节 + 动态数据
};

你想想看，一个城市级高精地图可能有几十万个语义要素。每个要素 100 字节，就是几十 MB。再加上矢量几何数据，轻松破 GB。

1.4 三种模型的对比与选型

说了这么多，到底什么时候用哪种模型？

我个人的经验是：

• 矢量模型：适合表达精确几何边界，比如车道线、路沿。内存中等，但拓扑关系复杂时开销大
• 栅格模型：适合表达连续场信息，比如高程、占用概率。内存与分辨率平方成正比，容易爆炸
• 语义模型：适合表达离散对象，比如红绿灯、标志牌。内存取决于对象数量和属性复杂度

实际项目中，往往是三种模型混合使用。我记得有一次做车道级导航，我们用了矢量存车道几何，栅格存路面坡度，语义存交通规则。结果发现栅格占了 70% 的内存，后来把坡度从 float 降成 uint16，分辨率从 10cm 降到 20cm，内存直接降了 60%。

下一章，我会详细讲怎么用内存池和自定义分配器，把矢量数据的分配开销降到接近零。到时候你会看到，同样的数据，换一种内存管理方式，性能能差出 10 倍。