地图表示方法：栅格地图、拓扑地图、特征地图、语义地图的优缺点对比

做路径规划这么多年，我接触过各种各样的地图表示方法。说实话，没有哪一种地图是万能的。每种地图都有自己的脾气，选对了事半功倍，选错了……嗯，我踩过的坑可不少。

今天咱们就把四种主流地图掰开揉碎了聊聊。栅格地图、拓扑地图、特征地图、语义地图，它们各自擅长什么，又有什么短板。你想想看，搞清楚了这些，后面做路径规划时心里就有底了。

1. 栅格地图（Occupancy Grid Map）

栅格地图是最直观的一种。把环境切成一个个小格子，每个格子标记为“占用”、“空闲”或“未知”。说白了，就像在Excel表格里涂颜色。

优点

• 实现简单——我带的实习生半天就能上手。数据结构就是个二维数组，谁都能看懂。
• 易于构建和更新——激光雷达扫一下，直接更新对应格子的概率值。我在项目中用这个方法做动态障碍物更新，效果很稳定。
• 适合路径规划——A*、Dijkstra这些经典算法直接跑在栅格上，不用做额外处理。
• 不确定性建模——每个格子可以存概率值，不是非黑即白。这一点在实际场景中很重要。

缺点

• 内存消耗大——你想想看，一个100m×100m的区域，如果分辨率是5cm，那就是400万个格子。我曾经在嵌入式设备上跑，内存直接爆了。
• 分辨率与精度的矛盾——格子大了精度不够，小了计算量爆炸。这个平衡点很难找。
• 缺乏语义信息——栅格只知道“这里有东西”，但不知道“这是桌子还是椅子”。
• 不适合大范围环境——存一个城市级别的栅格地图？我劝你放弃这个想法。

2. 拓扑地图（Topological Map）

拓扑地图不关心精确的几何信息，只关心“节点”和“边”。节点代表关键位置（比如路口、房间），边代表连通关系。说白了，就像地铁线路图——你不需要知道轨道具体怎么弯，只要知道哪站到哪站就行。

优点

• 存储效率极高——一个大型园区可能只需要几百个节点。我在做室外巡检机器人时，整个厂区的地图才几十KB。
• 路径规划速度快——图搜索算法比栅格上的A*快得多。尤其是做全局路径规划时，拓扑地图几乎是秒出结果。
• 支持分层规划——先做拓扑层的粗规划，再做局部细规划。这个思路我用了很多年，非常实用。
• 自然支持抽象——可以轻松添加“房间”、“走廊”这样的高层概念。

缺点

• 构建困难——如何自动提取节点和边？这个问题困扰了我很久。手动标注太累，自动提取又容易出错。
• 缺乏细节信息——只知道连通性，不知道通道宽度、障碍物位置。做精确导航时还得结合其他地图。
• 动态环境适应性差——如果临时堵了一条路，拓扑地图不会自动更新。我曾经因为这个吃过亏，机器人绕了一大圈才发现路不通。
• 定位困难——在拓扑地图上定位，你得先知道自己“在哪个节点附近”，这本身就不容易。

3. 特征地图（Feature Map）

特征地图提取环境中的显著特征点，比如墙角、门框、柱子边缘。这些特征点就像环境的“指纹”，可以用来定位和建图。SLAM里常用的就是这种方法。

优点

• 存储量小——几千个特征点就能描述一个房间。比栅格地图省太多空间了。
• 定位精度高——特征匹配的精度可以达到厘米级。我在做AGV定位时，用特征地图做重定位，效果比纯里程计好太多。
• 支持闭环检测——机器人回到之前的位置时，可以通过特征匹配识别出来。这是SLAM的核心能力。
• 对动态物体鲁棒——移动的人或物体通常不会产生稳定的特征点，所以天然被忽略。

缺点

• 特征提取依赖环境——白墙、长走廊这种特征少的环境，特征地图就抓瞎了。我在一个纯白色的实验室里吃过亏，特征点太少导致定位失败。
• 不适合路径规划——特征点之间没有连通性信息，没法直接做路径规划。你想想看，知道这里有100个特征点，但怎么从A走到B？不知道。
• 光照和视角敏感——换个角度或者光线变了，同一个特征点可能就认不出来了。
• 维护复杂——特征点的添加、删除、更新需要精心设计。搞不好就会出现“特征点漂移”。

4. 语义地图（Semantic Map）

语义地图是最近几年火起来的方向。它不光知道“这里有障碍物”，还知道“这是一张桌子”、“那是一扇门”。说白了，就是给地图里的物体贴上标签。

优点

• 理解环境——机器人知道“门可以打开”、“楼梯可以上下”、“桌子下面可以钻过去”。这种高层理解是其他地图做不到的。
• 支持复杂任务——“去厨房拿一杯水”这种任务，没有语义地图根本没法做。我最近在做的服务机器人项目，全靠语义地图支撑。
• 人机交互友好——你可以跟机器人说“去会议室”，而不是“去坐标(12.5, 8.3)”。
• 推理能力强——知道“冰箱在厨房”、“厨房在二楼”，机器人可以自己推理出路径。

缺点

• 构建成本高——需要深度学习模型做物体识别，训练数据要大量标注。我团队花了一个月才标注完一个实验室的数据。
• 计算资源需求大——跑语义分割模型需要GPU，嵌入式设备基本跑不动。
• 泛化能力有限——训练集里没有的物体，模型就认不出来。换个场景可能就失效了。
• 更新困难——物体被移动了，语义地图需要重新识别和标注。动态环境下的语义更新是个开放问题。

四种地图对比总结

特性	栅格地图	拓扑地图	特征地图	语义地图
存储效率	低	高	高	中
定位精度	中	低	高	中
路径规划	容易	容易	困难	中
语义理解	无	弱	无	强
动态适应性	中	差	好	差
构建难度	低	高	中	高
适用场景	室内小范围	大范围导航	SLAM定位	人机交互

知识体系结构图

下面这张图展示了四种地图在路径规划系统中的定位和关系。我习惯用这种图来帮团队理解整体架构。

说实话，在实际项目中，我很少只用一种地图。通常的做法是：栅格地图做局部规划，拓扑地图做全局规划，特征地图做定位，语义地图做任务理解。四种地图配合使用，才能发挥各自的优势。