环境建模基础：三种地图的构建方法与适用场景
做路径规划这么多年，我越来越觉得——选对地图模型，比调参重要十倍。你想想看，地图都没建好，算法再牛也白搭。
今天咱们聊聊三种最常用的环境建模方式：栅格地图、几何地图、拓扑地图。每种我都踩过坑，也尝过甜头。咱们一个一个说。
一、栅格地图（Grid Map）
栅格地图，说白了就是把环境切成一个个小格子。每个格子要么是障碍物，要么是自由空间。简单粗暴，但特别好用。
构建方法
我习惯用激光雷达或深度相机采集点云数据，然后投影到二维平面。每个格子根据点云密度判断是否被占据。代码实现其实不复杂：
# 伪代码：栅格地图构建
grid_map = [[0] * width for _ in range(height)]
for point in point_cloud:
x, y = world_to_grid(point.x, point.y)
if is_occupied(point):
grid_map[y][x] = 1 # 障碍物
else:
grid_map[y][x] = 0 # 空闲适用场景
- 室内移动机器人导航（扫地机器人就是典型）
- 无人机低空避障
- AGV仓储物流
核心优势：实现简单，A*、Dijkstra这些经典算法直接往上怼就行。分辨率可调，精度可控。
注意：栅格地图有个致命问题——分辨率越高，内存爆炸。我曾经在1000x1000的栅格上跑Dijkstra，结果内存直接飙到2GB。后来我学乖了，动态调整分辨率，远处用粗栅格，近处用细栅格。
二、几何地图（Geometric Map）
几何地图，就是用点、线、面来描述环境。比如墙壁用线段表示，柱子用圆形表示。这种地图更接近人类的认知方式。
构建方法
我记得第一次做几何地图时，被特征提取折磨得够呛。后来发现，用RANSAC算法拟合直线段效果不错：
# 伪代码：几何地图构建（线段提取）
lines = []
for each scan in laser_scans:
segments = ransac_line_fitting(scan.points)
for seg in segments:
lines.append(Line(seg.start, seg.end))适用场景
- 结构化环境（办公室、工厂车间）
- 需要精确位置估计的场景
- 与视觉SLAM结合使用
我的经验：几何地图特别适合做定位。我在一个工厂项目里，用几何地图做粒子滤波定位，精度能到厘米级。但要注意，环境变化大的地方（比如仓库货物经常变动），几何地图维护成本很高。
三、拓扑地图（Topological Map）
拓扑地图，只关心节点和连接关系。比如走廊的拐角是一个节点，两条走廊的交汇处也是一个节点。节点之间用边连接，边代表可通行路径。
构建方法
我个人习惯先建栅格地图，然后提取骨架（Voronoi图或Thinning算法），骨架的交点就是拓扑节点：
# 伪代码：拓扑地图构建
skeleton = thinning(grid_map) # 提取骨架
nodes = find_intersections(skeleton)
edges = connect_nodes(nodes, skeleton)适用场景
- 大规模环境（整栋楼、园区）
- 多楼层导航
- 人机交互（告诉机器人「去会议室」而不是「去坐标(3.5, 2.1)」）
为什么推荐拓扑地图？因为它的搜索空间极小。我在一个10万平米的园区里，拓扑节点只有200多个，路径规划几乎是瞬间完成。相比之下，栅格地图可能要处理上百万个格子。
四、三种地图对比
| 特性 | 栅格地图 | 几何地图 | 拓扑地图 |
|---|---|---|---|
| 构建难度 | 低 | 中 | 高 |
| 存储空间 | 大 | 中 | 小 |
| 定位精度 | 中 | 高 | 低 |
| 路径规划效率 | 低（格子多） | 中 | 高 |
| 环境适应性 | 强 | 弱（依赖结构） | 中 |
五、核心逻辑框架图
下面这张图，是我自己总结的三种地图的构建流程和适用关系。你看一眼就能明白什么时候该用哪种：
六、避坑指南
我曾经踩过的坑：
- 栅格地图分辨率设太高，导致内存溢出。后来我改成动态分辨率，远处用粗栅格，近处用细栅格，内存直接降了80%。
- 几何地图在动态环境里频繁更新，计算量爆炸。我的解决方案是分层建模——静态结构用几何地图，动态障碍物用栅格地图叠加。
- 拓扑地图节点太少，导致路径不够精细。我后来加了个「虚拟节点」机制，在长走廊中间自动插入节点，路径平滑多了。
我的建议：实际项目中，别死磕一种地图。我现在的做法是——栅格地图做底层感知，几何地图做精确定位，拓扑地图做全局规划。三层叠加，效果出奇的好。
嗯，环境建模这块就聊到这儿。记住一句话：没有最好的地图，只有最合适的。下次你选地图时，先问问自己——我的环境是结构化的还是非结构化的？我需要多高的定位精度？我的计算资源够不够？想清楚这些，地图选型就简单了。