1. 课程导入

当机器人从“能走”迈向“会理解”，导航系统面对的就不再只是栅格、坐标和障碍距离，而是“厨房”“会议室”“充电桩”“禁止通行区”这类带有语义含义的空间对象。语义导航地图部署，正是把机器人感知、地图表达、任务理解与运动规划连接起来的关键工程环节。本课程围绕“如何让机器人在一张可计算、可维护、可扩展的语义地图上完成导航任务”展开，帮助学习者建立从数据采集到部署落地的完整认知。

一、学习目标：从建图到语义部署的闭环能力

本课程不是单纯讲解SLAM建图，也不是只讨论路径规划算法，而是聚焦“语义地图”这一中间层如何被构建、标注、存储、加载、验证和更新。完成学习后，应达到以下目标：

• 理解核心概念：能区分几何地图、拓扑地图、语义地图与导航代价地图的职责边界，理解语义标签、对象实例、区域关系与先验知识的作用。
• 掌握部署流程：能够完成传感器数据采集、地图构建、语义标注、坐标对齐、地图服务加载与导航验证的完整链路。
• 具备工程排障能力：能定位“地图加载失败”“语义层与栅格层错位”“导航到目标点失败”等常见问题。
• 形成系统思维：理解语义地图在感知、定位、规划、交互模块之间的数据流与接口关系。

二、核心概念：几何层、语义层与导航层的分工

机器人地图通常不是单一图层，而是多层叠加。几何层负责表达空间占用与自由空间，常见形式包括栅格地图、点云地图和八叉树地图；语义层负责表达对象类别、实例编号、区域属性和关系；导航层则把前两者转换为代价地图、拓扑图或行为树可调用的目标点。三者关系可以用下面的结构图表示。

从图中可以看出，语义地图不是替代几何地图，而是在几何地图之上增加“可解释的标签与关系”。例如，一张栅格地图只能告诉机器人某处是障碍物，而语义地图可以告诉机器人“这是前台桌子，旁边是通道，充电桩在右后方”。

三、方法流程：从原始数据到可导航语义地图

部署一套语义导航地图，通常遵循以下流程。每一步都有明确的输入、输出和验证点，不能跳步。

1. 环境勘察与传感器标定：确认激光雷达、深度相机、IMU和里程计的外参和内参，保证后续建图与语义标注在同一坐标系下。
2. 几何建图：使用SLAM或离线建图工具生成栅格地图或点云地图，保存为可加载格式，如 map.pgm 与 map.yaml。
3. 语义标注：在几何地图上标注房间、走廊、门、电梯、充电桩、禁行区等对象，记录类别、实例ID、多边形或位姿。
4. 坐标对齐与融合：将语义层与几何层对齐，确保语义对象在导航代价地图中落在正确位置。
5. 地图服务加载：通过地图服务器或语义地图服务发布图层，供定位、规划和交互模块订阅。
6. 导航验证：设置语义目标点，验证机器人能否从当前位置导航到“会议室门口”或“充电桩前”。
7. 版本管理与更新：环境变化后，支持增量更新语义对象，避免整图重建。

下面是一个典型的语义地图配置片段，用于说明部署时常见的参数组织方式：

semantic_map:
  frame_id: "map"
  geometric_layer: "map.pgm"
  resolution: 0.05
  origin: [-12.0, -8.0, 0.0]
  semantic_objects:
    - id: "room_101"
      type: "meeting_room"
      polygon: [[2.1, 3.4], [5.6, 3.4], [5.6, 6.8], [2.1, 6.8]]
      accessible: true
    - id: "charger_01"
      type: "charging_station"
      pose: [8.2, -1.5, 1.57]
      accessible: true
    - id: "wet_floor"
      type: "restricted_area"
      polygon: [[-3.0, 1.0], [-1.0, 1.0], [-1.0, 2.5], [-3.0, 2.5]]
      accessible: false

四、典型应用场景与常见误区

语义导航地图部署的价值，在以下场景中尤为明显：