环境地图表示：栅格地图、几何地图、拓扑地图的对比与选择

做路径规划这么多年，我经常被问到同一个问题：「地图到底该怎么选？」

说实话，这个问题没有标准答案。但有一点我可以肯定——选错了地图表示方式，后面整个规划系统都会很痛苦。我自己就踩过这个坑，有一次在实验室里用栅格地图跑一个超大场景，结果内存直接爆了……嗯，从那以后我每次选地图都会先算一笔账。

今天咱们就把三种主流地图掰开揉碎讲清楚。你想想看，搞懂了它们的脾气，后面做规划才能得心应手。

1. 栅格地图（Occupancy Grid Map）

栅格地图，说白了就是把环境切成一个个小格子。每个格子要么是「空的」，要么是「被占的」。就像你在纸上画格子，然后涂黑表示障碍物。

我在项目中遇到过这样一个场景：用激光雷达扫一个仓库，数据量特别大。栅格地图的好处就体现出来了——更新局部地图非常快，直接改对应格子的值就行。

优点

• 实现简单——二维数组就能搞定，入门门槛低
• 便于传感器融合——不同传感器的数据都能映射到格子上
• 路径搜索直观——A*、Dijkstra这些算法直接往上套
• 不确定性建模——每个格子可以存概率，处理噪声很自然

缺点

• 内存爆炸——场景一大，格子数就指数级增长。我见过有人用1cm分辨率跑100m×100m，结果1亿个格子……
• 精度与存储的矛盾——格子小了存不下，格子大了精度不够
• 缺乏语义信息——它只知道「这里有东西」，但不知道「这是墙还是桌子」

2. 几何地图（Geometric Map）

几何地图就不一样了。它用点、线、面这些几何元素来描述环境。你可以理解为：把真实世界抽象成CAD图纸。

我记得第一次接触几何地图是在做自动驾驶项目时。当时需要描述车道线、路沿、交通标志的位置——这些东西用栅格地图根本搞不定，但用几何地图就特别自然。

常见形式

• 特征地图——提取环境中的关键特征点（比如墙角、柱子）
• 线段地图——用线段表示墙壁、障碍物边界
• 多边形地图——用多边形表示可通行区域

优点

• 存储效率高——几个几何元素就能描述一个大场景
• 精度高——不受分辨率限制，理论上可以无限精确
• 便于做几何推理——比如判断一个点是否在多边形内，计算距离障碍物多远

缺点

• 特征提取难——从传感器数据中提取稳定可靠的几何特征，这事本身就不简单
• 动态环境不友好——移动的物体会破坏几何结构
• 路径规划算法复杂——不能直接用A*，得用Voronoi图、可见图这些

3. 拓扑地图（Topological Map）

拓扑地图，嗯，这个最抽象。它不关心具体的几何位置，只关心「哪些地方是连通的」。你可以想象成地铁线路图——它不告诉你站台的具体经纬度，但告诉你哪站和哪站相连。

为什么会有人用拓扑地图？你想想看，如果你要从北京到上海，你关心的是「走哪条路」，而不是「这条路在哪个经纬度」。拓扑地图就是抓住了这个本质。

核心要素

• 节点（Node）——代表关键位置（路口、房间、地标）
• 边（Edge）——代表节点之间的连通关系

优点

• 极其轻量——存储量小到可以忽略不计
• 规划速度快——图搜索算法在稀疏图上跑得飞快
• 适合大场景——城市级、园区级的路径规划，拓扑地图是首选
• 便于分层规划——先拓扑规划找大方向，再局部精细规划

缺点

• 缺乏细节——不知道通道宽度、障碍物具体位置
• 构建困难——如何自动提取拓扑结构？这事学术界研究了二十年还没完全解决
• 精度不足——只能做定性规划，不能做定量导航

4. 三种地图的对比

光说理论不够直观，咱们直接上表格对比一下：

对比维度	栅格地图	几何地图	拓扑地图
存储开销	高（与面积×分辨率成正比）	低（与特征数量成正比）	极低（与节点数量成正比）
精度	受分辨率限制	理论上无限	低（只关心连通性）
规划速度	慢（格子多）	中等（依赖几何计算）	快（图搜索）
动态适应性	好（局部更新快）	差（特征易丢失）	中等（可重新连接）
构建难度	低（直接映射）	高（特征提取）	中（拓扑提取）
适用场景	室内小场景、局部规划	结构化环境、高精度需求	大场景、全局规划

5. 如何选择？我的实战建议

说了这么多，到底怎么选？我给大家一个简单的决策流程：

1. 先看场景大小——100m²以内？栅格地图。1km²以上？拓扑地图。
2. 再看精度需求——需要厘米级定位？几何地图。只需要知道能不能走？拓扑地图。
3. 最后看计算资源——嵌入式设备？别用高分辨率栅格地图。服务器？随便造。

嗯，关于地图表示就讲到这里。下一章咱们会深入讲栅格地图的构建与更新，包括如何用激光雷达数据实时建图。到时候我会分享一个我踩过的坑——关于栅格地图更新频率的调参经验，保证让你少走弯路。

---

公众号:蓝海资料掘金营，微信deep3321