3.4 环境建模与地图表示
3.4 环境建模与地图表示
本节摘要：环境塞不进内存，也用不着全塞进去——地图表示是"为任务裁剪环境"的决策。本节比较栅格、拓扑、点云、特征四类表示的存储代价与查询代价，并给出按任务选地图的判据。
为什么不把所有点都存下来
一台 2D 激光雷达在 100 m × 100 m 的仓库里以 1 厘米分辨率建图，理论格子数是 10⁸——每格一个字节也要 100 MB，而其中 99% 的格子要么是空地要么永远没人查询。反过来，AGV 在固定仓库里日复一日跑同样的几条通道，它需要的其实只有"沿这几条通道哪里能走、哪里会撞"。两个方向都说明：地图表示的本质不是忠实记录环境，而是按任务需要保留环境。表示选错，后面所有算法都在替错误的表示打工。
四类表示对照
| 表示 | 存储形式 | 存储代价 | 典型查询 | 短板 |
|---|---|---|---|---|
| 占据栅格 | 均匀网格，每格存占据概率 | O(面积/格²) | "这个格子能不能走" O(1) | 分辨率与存储互相锁死 |
| 拓扑地图 | 节点（路口）+ 边（通道） | O(路口数) | "从 A 区到 B 区怎么走" | 缺几何细节，避障靠不了它 |
| 点云地图 | 原始或滤波点集 | O(点数)，最贵 | 配准定位、三维重建 | 存储与查询都重 |
| 特征地图 | 路标位置 + 描述子 | O(路标数) | 路标匹配定位 | 稀疏，避障细节不足 |
这四种不是竞争关系，是分层关系。真实的导航系统常常同时养着两三张地图：定位用点云或特征图（要跟实时扫描对齐），全局规划用拓扑或粗栅格（要快速搜路），局部避障用滚动的细栅格（要反映动态障碍）。
图：同一仓库环境的四种表示
占据栅格的概率化：一格 0.5 的含义
栅格存"占据概率"而非二值是 SLAM 带来的重要进步：单帧激光说某格空，可能是真的空，也可能只是角度偏了、被挡了。对数几率（log-odds）更新把每次观测叠加成后验：
l = log(p / (1 − p)) 占据几率的对数形式 l ← l + l_occ（命中）或 l_free（穿过） 每次观测微调 p = 1 / (1 + exp(−l)) 换回概率
穿越一次记一点"空"，命中一次记一大笔"占"。噪声在累加中相互抵消，真障碍的概率迅速逼近 1。第 4 章的栅格 A* 直接在这张概率图上找路：概率高于 0.65 视为不可通行、0.5 到 0.65 计为代价惩罚——感知的置信度就这样传进了规划。
选地图的三条判据
- 查询模式：问"能不能走"用栅格；问"怎么过去"用拓扑；问"我现在在哪"用特征/点云。先写清下游要问什么问题，再定表示。
- 动态程度：环境半年不变 → 地图持久化，拓扑+点云端到云端；环境天天变（人流、货物）→ 全局图粗而稳定，细节交给局部滚动栅格。
- 资源上限：嵌入式平台的内存预算直接筛掉细栅格大仓库组合，此时分层地图不是优化项而是生存项。
💡 关键直觉：地图不是环境的照片，是给规划器看的"任务摘要"。摘要写得对，粗糙的地图也能支撑可靠的导航；摘要写错，再高清的点云也救不了路径搜索。
本节要点
- 地图表示按任务裁剪环境，四类表示各有查询模式与代价，分层组合是常态。
- 占据栅格用对数几率累计多帧观测，噪声相消、真障碍确信，置信度可传递给规划。
- 选地图三判据：查询模式、动态程度、资源上限，按此判据三层配置（全局/定位/局部）几乎通吃。
- 环境多变的场景，全局图要"粗而稳"，细节风险交给局部滚动地图。
八叉树与多分辨率：大场景的存储答案
均匀栅格在大场景下的存储爆炸，解法是放弃"所有地方同精度"。八叉树把空间递归八分：空旷区域只存一个大节点（该区域全空），障碍附近才细分到最细分辨率。同样一座仓库，均匀栅格 100 兆字节的内容，八叉树可以压到几兆。查询代价略增（要沿树下降），但对导航任务的典型查询（"机器人周边一小块能不能走"）影响甚微。多分辨率的另一个好处自然涌现：远处的粗分辨率天然匹配"远处不需要那么准"的感知现实——地图的精度梯度与感知的精度梯度对齐了。
地图的动态更新与版本管理
地图不是建完就冻结的资产。货架搬动、装修改造、季节变化（室外场景的落叶积雪）都会让地图过时。工程上有两级响应：局部更新（运行时发现局部观测与地图长期不符，自动更新对应区域的占据概率，并记录变更区域）；版本重建（变更积累到阈值，安排重新建图，新旧版本对照后切换）。版本管理的关键是"地图与定位的一致性"——切换新地图的瞬间，正在运行的机器人要能平滑过渡（通常在回环点或充电桩处切换）。这套机制与软件的版本管理同构，运维成熟的团队把地图当作"会老化的代码"来管理。
问题：多楼层建筑怎么组织地图
按"全局拓扑加局部度量"的两级结构。顶层是一张楼层间的拓扑图（楼梯、电梯为节点边），每层楼内各挂一张独立的度量地图。机器人跨层时，拓扑层给出"走哪个电梯到哪层"，楼层内切换到对应度量地图做精细定位与规划。层间地图的坐标系由拓扑边的变换关系缝合（电梯口的位姿对齐）。这套结构还天然支持权限隔离：某层临时封闭，只需在拓扑层标记边不可通行，不必动任何一张度量地图。
补三类地图的工程取舍表：占据栅格（概率占据的二维网格）是移动机器人的默认选择——建图查询都是常数时间、可直接做路径规划的膨胀障碍，代价是分辨率与内存的取舍（五厘米格距下一万平方米约四百万格，完全可接受）；拓扑地图（节点加边）适合结构化环境的大范围导航（楼层、走廊），存储极省但丢失几何细节；点云地图（三维点集）保真最高但直接用于规划太重，通常配分层索引（八叉树）或抽稀。实践中最常见的是混合方案：占据栅格做规划、点云做展示与定位特征源、拓扑做楼层间调度。选型判断只有一条：查询频率最高的操作（碰撞检查、最近障碍、可达性）决定数据结构——先列查询再选地图，顺序反了就会为不需要的保真度付出内存与更新的代价。
再补地图更新的一个实时性技巧：增量更新与全量重建的分工。占据栅格的实时更新只需沿激光束打到的单元格做概率更新（命中加占据、穿过的格减占据），单帧毫秒级；但累积误差（动态物体留下的残影、墙面轻微错位）需要周期性的全量或局部重建来清理——实践中每几分钟对机器人周边若干米做局部重绘即可。动态物体（走过的人）的处理用占据突变检测：某格长期空旷突然被占据又在数秒后恢复，标记为动态并从静态地图中剔除，同时为规划器生成临时障碍。这套增量加局部重绘加动态剔除的组合，是服务机器人在半动态环境（白天人流、晚上货架调整）里地图长期可用的三件套，缺一件都会在运行几周后出现机器人绕着空气走的怪象。