地形基础：地形分类与参数化表示
做机器人地形感知，第一件事不是调传感器，而是搞清楚——你到底要让机器人走什么样的路。
我见过不少团队，一上来就上激光雷达、上IMU、上各种滤波算法，结果跑了一圈发现，机器人连个5度的斜坡都爬不上去。为什么？因为地形分类没做透，参数化表示没想清楚。
这一章，我们就来把地形这件事掰开揉碎。说白了，就是两件事：地形长什么样，以及怎么用数学描述它。
2.1 地形四大类：平坦、斜坡、崎岖、台阶
我个人习惯把地形分成四类。这四类基本覆盖了90%以上的室内外场景。你想想看，不管是草地、碎石路、楼梯还是柏油路，都能归到这几类里。
| 地形类型 | 典型场景 | 机器人挑战 | 传感器关注点 |
|---|---|---|---|
| 平坦 | 室内地板、柏油路 | 几乎无挑战，但容易让算法“偷懒” | 高度变化 < 2cm |
| 斜坡 | 坡道、丘陵 | 重心偏移、打滑、俯仰角突变 | 坡度角、摩擦系数 |
| 崎岖 | 碎石路、草地、越野 | 轮子悬空、振动剧烈、里程计漂移 | 高程标准差、粗糙度 |
| 台阶 | 楼梯、路缘石 | 越障能力、碰撞风险、步态规划 | 台阶高度、深度、边缘检测 |
嗯，这里要注意：真实场景往往是混合的。比如一个斜坡上可能有碎石，那就是“斜坡+崎岖”。我在项目中遇到过这种情况，当时只按单一地形建模，结果机器人走到一半直接卡住。后来我学乖了——地形分类必须支持多标签。
2.2 地形参数化：用数字说话
光说“这是斜坡”不够，你得告诉机器人：坡度多少度？摩擦系数多大？ 这就是参数化表示。
我个人常用的参数化方案，分三个层次：
- 几何参数：高度、坡度、曲率、台阶高度/深度
- 物理参数：摩擦系数、刚度、阻尼
- 统计参数：高程标准差、粗糙度指数、分形维数
举个例子。一个典型的斜坡，我会这样描述：
{
"type": "slope",
"geometry": {
"angle_deg": 15.0,
"length_m": 2.5,
"start_height_m": 0.0,
"end_height_m": 0.65
},
"physics": {
"friction_coeff": 0.6,
"stiffness_kPa": 500
},
"statistics": {
"elevation_std_cm": 1.2,
"roughness_index": 0.03
}
}你看，这样一写，仿真器就知道怎么处理了。我曾经踩过一个坑——只给了坡度角，没给摩擦系数，结果仿真里机器人爬坡稳如泰山，一到真实场地就原地打滑。从那以后，物理参数我从不省略。
2.3 地形参数化表示的核心逻辑
为了让你更直观地理解，我画了一张图。这张图展示了从原始传感器数据到地形参数化表示的完整流程。
核心要点：地形参数化的本质，是把传感器看到的“一堆点”变成“机器人能理解的结构化数据”。你给仿真器的输入越精确，仿真结果就越可信。
2.4 各类型地形的参数化细节
不同类型的参数，侧重点不一样。我整理了一个对照表，方便你查阅：
| 地形类型 | 关键几何参数 | 关键物理参数 | 关键统计参数 |
|---|---|---|---|
| 平坦 | 高度（常数） | 摩擦系数、刚度 | 高程标准差 < 0.5cm |
| 斜坡 | 坡度角、坡长、起止高度 | 摩擦系数、滚动阻力 | 坡度一致性 |
| 崎岖 | 最大/最小高度、起伏频率 | 刚度、阻尼、穿透性 | 粗糙度指数、高程标准差 |
| 台阶 | 台阶高度、深度、数量 | 边缘刚度、碰撞恢复系数 | 边缘直线度、间距一致性 |
我的经验：仿真初期，几何参数一定要给准。物理参数可以先给个大概值，等后面做参数标定时再精调。别一开始就追求完美，否则你会被参数调优折磨到怀疑人生。
2.5 避坑指南：参数化常见的三个坑
做地形参数化，有几个坑我反复踩过。今天一次性告诉你：
- 参数过少：只给高度，不给坡度。结果仿真里机器人“飞”上斜坡。
- 参数冲突：几何参数和物理参数矛盾。比如坡度30度但摩擦系数只有0.2，机器人根本站不住。
- 忽略统计参数：只给平均高度，不给标准差。结果仿真里地面“太完美”，真实场景一塌糊涂。
警告：我曾经在一个项目里，只用了几何参数做仿真，结果机器人跑得顺风顺水。一到实地测试，轮子陷进泥里出不来。从那以后，我定了一条铁律——仿真地形必须包含至少一个统计参数，哪怕只是简单的高程标准差。
2.6 小结：这一章你带走了什么
好了，这一章的内容就这些。你记住三件事就行：
- 地形分四类：平坦、斜坡、崎岖、台阶
- 参数化三要素：几何、物理、统计
- 仿真时参数要完整、一致、带统计量