环境建模与空间表示：五种地图的对比与选择
做机器人路径规划这些年，我踩过最大的坑，就是选错了地图表示方式。你想想看，地图是机器人的「眼睛」和「记忆」，选错了，后面算法再牛也白搭。
今天咱们就聊聊五种主流地图：栅格地图、拓扑地图、几何地图、点云地图、语义地图。我会结合自己的项目经验，帮你理清什么时候该用哪个。
一、栅格地图（Grid Map）—— 最直观，也最占内存
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。我最早做扫地机器人时用的就是它。
核心思想：用离散的网格单元表示连续空间。每个格子存储占用概率。
优点：
- 实现简单，A*、Dijkstra 直接往上怼
- 更新方便，传感器数据直接映射到格子
- 适合未知环境探索
缺点：
- 内存消耗大。1km² 区域，0.1m 分辨率，光存储就要 1 亿个格子
- 分辨率与精度矛盾。格子大了丢失细节，小了内存爆炸
- 不擅长表达拓扑关系（比如「走廊尽头右转」）
我的经验：做仓储机器人时，我习惯用 0.05m 分辨率建图。但后来发现，对于货架通道这种结构化环境，0.2m 分辨率完全够用，内存直接降到原来的 1/16。别盲目追求高分辨率。
二、拓扑地图（Topological Map）—— 轻量级，适合大场景
拓扑地图不关心具体尺寸，只关心「节点」和「连接」。就像地铁线路图，你不需要知道站与站之间的精确距离，知道怎么换乘就行。
我记得有一次做园区巡检机器人，环境有 5 平方公里。用栅格地图？内存直接爆了。换成拓扑地图，只记录关键路口和路径，内存占用不到 1MB。
适用场景：
- 大规模环境（园区、商场、博物馆）
- 结构化道路（走廊、公路）
- 需要快速路径规划的场合
避坑指南：我曾经在动态环境里只用拓扑地图，结果货架被移动后，拓扑连接没更新，机器人直接撞墙。拓扑地图对动态变化不敏感，需要配合其他地图做局部更新。
三、几何地图（Geometric Map）—— 精确但脆弱
几何地图用点、线、面等几何元素描述环境。比如用线段表示墙壁，用多边形表示障碍物。精度很高，但构建起来麻烦。
说白了，几何地图就是环境的 CAD 图纸。我做过一个项目，用激光雷达提取墙壁线段，然后构建几何地图。精度确实高，误差在 2cm 以内。
优缺点对比：
| 维度 | 几何地图 | 栅格地图 |
|---|---|---|
| 存储空间 | 小（只存几何参数） | 大（存每个格子） |
| 定位精度 | 高（亚厘米级） | 受分辨率限制 |
| 构建难度 | 高（需要特征提取） | 低（直接映射） |
| 动态适应性 | 差（几何特征易变） | 中等（可概率更新） |
四、点云地图（Point Cloud Map）—— 信息最丰富
点云地图就是一堆三维点的集合。每个点包含 x、y、z 坐标，有时还有颜色或反射强度。激光雷达和深度相机都能生成点云。
我做过自动驾驶项目，点云地图一存就是几十 GB。但好处是信息极其丰富，可以做高精度定位、障碍物检测、路面分析。
点云地图的典型应用：
- 高精度定位（NDT、ICP 配准）
- 障碍物检测与分类
- 地面提取与可通行区域分析
- 三维重建与可视化
注意：点云地图不能直接用于路径规划。数据量太大，实时处理扛不住。通常的做法是：先降采样，再转成栅格地图或几何地图，最后做规划。
五、语义地图（Semantic Map）—— 让机器人「理解」环境
语义地图是最近几年火起来的。它不光告诉机器人「这里有障碍物」，还告诉它「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。
我记得做服务机器人时，客户要求机器人能区分「可移动障碍物」和「固定障碍物」。用栅格地图做不到，但语义地图可以。椅子是可移动的，墙壁是固定的，规划策略完全不同。
语义地图的构建流程：
传感器数据 → 物体检测（YOLO/PointNet++）→ 语义分割 → 地图融合 → 语义地图优势：
- 支持高级推理（「门关着就走另一条路」）
- 人机交互更自然（「去厨房拿杯子」）
- 动态物体处理更智能
我的建议：如果你的机器人需要和人类交互，或者需要理解「物体功能」，语义地图是必选项。但别一上来就搞语义，先问问自己：真的需要区分桌子和椅子吗？很多时候，栅格地图就够了。
六、五种地图的对比与选择
下面这张图是我自己总结的，帮你快速决策：
七、实际项目中的选择策略
说了这么多，到底怎么选？我总结了一个简单的决策流程：
- 先看环境规模：小范围（<100m²）用栅格地图；大范围（>1km²）用拓扑地图
- 再看精度要求：需要厘米级定位？考虑几何地图或点云地图
- 然后看计算资源：嵌入式设备？栅格地图或拓扑地图；有 GPU？点云或语义地图
- 最后看任务需求：需要理解物体语义？语义地图；只需要导航？栅格地图就够了
我的经验之谈：实际项目中，很少只用一种地图。我做过的大多数系统都是混合使用：全局用拓扑地图做粗规划，局部用栅格地图做精细避障，关键区域用点云地图做定位。别被「选哪个」困住，可以「都要」。
嗯，环境建模这块内容不少，但核心就一句话：没有最好的地图，只有最合适的。根据你的机器人、环境和任务来选，别盲目跟风。