第二章：空间与环境建模——构型空间、栅格、拓扑与几何地图
大家好，欢迎来到第二章。这一章我们聊聊机器人怎么“看懂”周围的世界。
你想想看，一个机器人要动起来，它首先得知道自己在哪里，周围有什么。这就像你走进一个陌生的房间，得先扫一眼，看清桌椅板凳的位置，才能决定怎么走。对机器人来说，这个过程就叫“空间与环境建模”。
我个人习惯把这一章看作是整个路径规划的基石。地基没打好，后面盖什么楼都得塌。咱们今天就把这四种最主流的建模方法掰开揉碎了讲清楚。
2.1 构型空间（C-Space）—— 机器人的“自由度”世界
先说一个最核心的概念：构型空间，英文叫 Configuration Space，圈内人简称 C-Space。
说白了，C-Space 就是把机器人的所有可能姿态，映射到一个高维空间里。每一个点，代表机器人一个特定的姿势。
举个例子：一个在平面上平移的机器人，它的位置可以用 (x, y) 表示。那它的 C-Space 就是一个二维平面。如果它还能旋转，那就得加上一个角度 θ，变成 (x, y, θ)，C-Space 就成了三维空间。
核心思想：在 C-Space 里，机器人被“压缩”成一个点。障碍物则被“膨胀”成 C-Space 中的禁区。这样一来，路径规划问题就变成了：在 C-Space 中找一条从起点到终点、不碰触禁区的路径。
我在项目中遇到过一个问题：当时做机械臂避障，一开始直接在笛卡尔空间里算，结果碰撞检测算到崩溃。后来换成 C-Space 的思路，把机械臂的每个关节角当成一个维度，问题瞬间简化了。嗯，这里要注意，C-Space 的维度等于机器人的自由度数量。自由度一多，维度灾难就来了，这是后话。
我的习惯：拿到一个新机器人，第一件事就是数它的自由度。然后问自己：这个 C-Space 我能显式构建吗？还是只能用采样方法隐式探索？
2.2 栅格地图（Grid Map）—— 最直观的“像素化”世界
栅格地图，大家应该不陌生。就是把环境切成一个个小格子，每个格子要么是“空闲”，要么是“占用”。
这玩意儿在扫地机器人里用得最多。你想想看，扫地机把房间画成一张网格图，每个格子代表 5cm × 5cm 的区域。干净的地方是白色，有障碍物的地方是黑色。
表示方法：
- 占用栅格地图（Occupancy Grid Map）：每个格子存一个概率值，0 表示绝对空闲，1 表示绝对占用。中间值表示不确定。
- 代价地图（Costmap）：在占用栅格基础上，给每个格子加一个“通行代价”。靠近障碍物的格子代价高，机器人会尽量绕开。
我曾经在一个仓库项目里吃过亏。当时栅格分辨率设得太细（1cm），结果地图大得离谱，路径规划慢得像蜗牛。后来我学乖了：室内场景用 5cm 分辨率，室外用 20cm，动态障碍物附近再局部细化。
避坑指南：我曾经把栅格地图的更新频率设得太高，结果 CPU 全耗在地图更新上，规划器反而没资源跑了。记住：地图更新和路径规划是两个线程，优先级要分开。
2.3 拓扑地图（Topological Map）—— 用“图”简化世界
拓扑地图，说白了就是只保留“连通关系”，丢掉精确的几何信息。
你想想看，地铁线路图就是典型的拓扑地图。它不关心站台的实际形状，也不关心轨道到底有多长，只告诉你：哪两个站是相邻的，换乘需要走哪条线。
表示方法：
- 节点（Node）：代表关键位置，比如房间门口、走廊拐角、电梯口。
- 边（Edge）：代表两个节点之间的连通路径，可以附带距离或时间代价。
我个人习惯在大型建筑里用拓扑地图。比如一个商场，你不需要知道每个店铺的精确轮廓，只需要知道“从 A 区到 B 区，经过 C 走廊”就够了。这样规划速度极快，适合做全局导航。
但拓扑地图有个缺点：它太“粗”了。如果两个节点之间有一条窄缝，拓扑地图不会告诉你。所以它通常和栅格地图配合使用——拓扑地图做全局规划，栅格地图做局部避障。
2.4 几何地图（Geometric Map）—— 用数学描述世界
几何地图，就是用点、线、面、多边形这些几何元素来精确描述环境。
常见形式：
- 点云地图：用一堆三维点来描述环境。激光雷达扫出来的就是点云。
- 多边形地图：用多边形表示障碍物轮廓。比如用矩形表示桌子，用圆形表示柱子。
- 特征地图：提取环境中的关键特征，比如墙角、门框、路标。
我记得有一次做自动驾驶的泊车项目，用的就是几何地图。我们把停车位用四个角点表示，把旁边的车用矩形框表示。然后规划算法就在这些几何形状之间找空隙。精度很高，但计算量也大。
对比一下：
| 地图类型 | 精度 | 存储量 | 规划速度 | 适用场景 |
|---|---|---|---|---|
| 栅格地图 | 中 | 大 | 中 | 室内、扫地机 |
| 拓扑地图 | 低 | 小 | 快 | 大型建筑、导航 |
| 几何地图 | 高 | 中 | 慢 | 自动驾驶、精密操作 |
2.5 四种地图的融合使用
实际项目中，没人只用一种地图。我通常的做法是：
- 全局层：用拓扑地图做粗粒度规划，快速给出一个“大方向”。
- 局部层：用栅格地图做精细规划，处理动态障碍物。
- 碰撞检测层：用几何地图做精确碰撞检测，确保机器人不会擦到障碍物。
举个例子：一个送餐机器人从厨房到包间。拓扑地图告诉它“先出厨房，左转进走廊，第三个门右转”。栅格地图告诉它“走廊中间有个人，绕一下”。几何地图告诉它“门框宽度 80cm，机器人宽度 60cm，能过”。三层配合，稳得很。
我的建议：初学者别一上来就搞复杂的地图融合。先吃透一种地图，比如栅格地图，把 A* 算法跑通。然后再慢慢加拓扑层、几何层。贪多嚼不烂。
2.6 本章知识体系图
下面这张图，是我自己梳理的本章核心逻辑。你可以把它当成一张“地图”，帮你理清思路。
好了，这一章的内容就到这里。四种地图各有千秋，没有绝对的好坏。关键看你手头的机器人是什么类型，环境有多大，实时性要求有多高。多试几次，你自然就找到感觉了。
可可精品资料库