2、环境建模基础：栅格地图、拓扑地图、点云地图的构建与选择。我如何根据场景选择合适的地图？
做轨迹规划这些年，我踩过最大的坑就是——地图选错了。你想想看，明明算法调得挺好，仿真也跑得飞起，一上真机就撞墙。后来我发现，八成是环境建模这一步没走对。
今天咱们就聊聊三种主流地图：栅格地图、拓扑地图、点云地图。我会结合自己的项目经验，告诉你什么时候该用哪个。
2.1 栅格地图：最直观，但别滥用
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（黑色），要么是自由空间（白色）。
构建方式：
- 激光雷达扫描 + 占据栅格更新算法
- 深度相机投影 + 贝叶斯滤波
- 也可以直接加载已知CAD图纸转成栅格
核心参数：分辨率（格子大小）。我习惯用 0.05m 做室内机器人，0.2m 做室外AGV。太小了计算量爆炸，太大了路径不精确。
优点：
- 实现简单，A*、Dijkstra 直接往上怼
- 容易做膨胀层（安全距离）
- 可视化直观，调试方便
缺点：
- 存储量大——100m×100m 区域，0.05m 分辨率就是 400万个格子
- 动态环境更新慢
- 无法表达语义信息（比如“这是桌子”、“那是门”）
我的经验：在仓储AGV项目中，我一开始用了0.02m高分辨率栅格地图，结果路径规划一帧要算200ms。后来改成0.1m，配合分层规划（先粗后细），速度提升到15ms。嗯，这里要注意：分辨率不是越高越好。
2.2 拓扑地图：轻量级，适合大场景
拓扑地图不关心具体几何形状，只关心“节点”和“边”。节点代表关键位置（比如路口、工位），边代表连通关系。
构建方式：
- 手动标注：适合固定路线场景
- 从栅格地图自动提取：用Voronoi图或Thinning算法
- SLAM过程中增量构建
// 一个简单的拓扑地图结构
struct TopoNode {
int id;
double x, y; // 实际坐标（可选）
vector<int> neighbors; // 邻居节点ID
string label; // "充电站"、"A工位"等语义
};
struct TopoEdge {
int from, to;
double cost; // 距离或时间代价
};优点：
- 存储极小，1000个节点也就几十KB
- 路径搜索极快（图搜索算法）
- 天然支持语义信息
缺点：
- 丢失细节，无法做精确避障
- 构建过程依赖其他地图
- 动态障碍物处理困难
我曾经在一个商场配送机器人项目里，只用拓扑地图做全局规划。结果机器人走到节点之间的“边”上时，被临时摆放的促销展台挡住了。从那以后，我坚持拓扑地图只做“粗规划”，局部避障必须用栅格或点云。
2.3 点云地图：精度之王，但别轻易用
点云地图就是一堆三维点的集合。每个点有 (x, y, z) 坐标，有时还带颜色或反射强度。
构建方式：
- 激光雷达：Velodyne、Livox 等，直接输出点云
- 深度相机：RGB-D 传感器，每个像素反投影成三维点
- 多帧拼接：用ICP或NDT算法对齐
优点：
- 精度极高，毫米级
- 支持三维空间规划（无人机、机械臂）
- 可以做障碍物识别（聚类、分割）
缺点：
- 数据量巨大——一帧16线激光雷达就有3万个点
- 处理复杂，需要GPU加速
- 噪声敏感，需要滤波
避坑指南：点云地图不是越密越好。我见过有人用128线激光建图，一帧30万个点，结果算法跑不动。实际项目中，16线激光 + 体素滤波下采样到0.1m分辨率，效果已经足够。
2.4 如何选择？一张图说清楚
下面这张图是我自己总结的选型逻辑，你可以直接拿去用：
2.5 实际项目中的混合策略
说实话，现实项目很少只用一种地图。我个人习惯用“三层地图架构”：
| 层级 | 地图类型 | 用途 | 更新频率 |
|---|---|---|---|
| 全局规划 | 拓扑地图 | 从A点到B点的路线规划 | 低频（每次任务前） |
| 局部规划 | 栅格地图 | 实时避障、路径平滑 | 中频（10Hz） |
| 感知层 | 点云地图 | 障碍物检测、定位匹配 | 高频（20-50Hz） |
举个例子：我在做园区无人配送车时，全局用拓扑地图（节点是各栋楼门口），局部用栅格地图（分辨率0.2m，实时更新），感知层用16线激光点云做障碍物检测。三层配合，既保证了效率，又兼顾了安全性。
2.6 总结：记住这三句话
- 要精度、要三维 → 点云地图（但要做好下采样）
- 要效率、要简单 → 栅格地图（注意分辨率取舍）
- 要大场景、要语义 → 拓扑地图（配合局部规划使用）
最后说一句：地图选型没有银弹。我见过用栅格地图做100km矿区规划的，也见过用拓扑地图做室内精细避障的。关键是你得想清楚——你的机器人到底需要什么信息才能安全到达目的地？想明白这个，地图自然就选对了。