本文經(jīng)自動駕駛之心公眾號授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

自己搞了這么多年SLAM，使用的主要還是點(diǎn)云地圖。雖然知道種種地圖表征，但一直沒有梳理過。最近集中時間學(xué)習(xí)了一下各種地圖，在這里進(jìn)行整理與分享。能力有限，難免有不恰之處，請批評指正。

1、地圖的不同分類方式

地圖有多種不同的分類方式，網(wǎng)上有不少帖子介紹各種各樣的地圖，但并沒有非常完整的總結(jié)地圖應(yīng)該怎么分類。論文[1]中將地圖分成以下幾種：拓?fù)涞貓D、度量地圖、度量-語義地圖和混合地圖。我覺得按照這種方式進(jìn)行歸類相對比較科學(xué)。

1.1 拓?fù)涞貓D

拓?fù)涞貓D（Topological Map）使用節(jié)點(diǎn)和邊來表示環(huán)境，其中節(jié)點(diǎn)表示重要位置（如拐角、門口），邊表示這些位置之間的可達(dá)路徑。拓?fù)涞貓D注重表示環(huán)境的連接關(guān)系，而不是具體的幾何細(xì)節(jié)。這種地圖表示方法適用于大型、復(fù)雜環(huán)境中的高效路徑規(guī)劃和導(dǎo)航。個人簡單理解為，是一種表示拓?fù)潢P(guān)系、不存在準(zhǔn)確距離信息的地圖，例如：我家地圖是，客廳在中間，周圍連著臥室、書房、廚房、衛(wèi)生間，書房又連著陽臺。

1.2 度量地圖/尺度地圖/幾何地圖

度量地圖（Metric Map）或幾何地圖（Geometric Map）是SLAM種較為常用的一種表示方法，常見的點(diǎn)云（PointCloud）、八叉樹地圖（OctoMap）、柵格地圖（Grid Map）等都屬于度量地圖，下一節(jié)會展開介紹。個人簡單的理解為，能夠從這個地圖中獲取具體的尺度信息，例如某個點(diǎn)距離某個點(diǎn)多遠(yuǎn)、XXX障礙物面積有多大。

根據(jù)地圖的稠密程度，度量地圖還可進(jìn)一步分為：稀疏地圖、稠密地圖。稀疏地圖例如視覺SLAM建立的特征點(diǎn)地圖，是稀疏的，一般多用于自身定位而難以直接導(dǎo)航；而RGBD或LiDAR可以建立稠密地圖。

根據(jù)地圖是連續(xù)的還是離散的，還可進(jìn)一步分為：離散地圖、連續(xù)地圖。柵格地圖、體素地圖（Voxel Map）就是典型的離散地圖，把空間進(jìn)行了劃分，然后離散化表達(dá)；連續(xù)地圖是采用高斯過程或者NeRF方式建立的地圖。

離散地圖（左）與連續(xù)地圖（右）

1.3 語義地圖

語義地圖（Semantic Map）是包含了語義信息的地圖，語義信息可以是物體的種類、姿態(tài)和形狀等描述。例如，無人駕駛需要知道地圖中那些是車道、哪些是障礙。需要注意的是，只要包含于語義信息就可以算是語義地圖，尺度地圖、拓?fù)涞貓D也可以是語義地圖。

帶語義信息的點(diǎn)云地圖（左）和帶語義信息的拓?fù)涞貓D（右）

1.4 混合地圖與多層級地圖

混合地圖（Hybrid Map）是一種結(jié)合多種地圖表示的地圖，例如在大范圍導(dǎo)航時，我們可能既需要拓?fù)湫畔ⅲ◤目蛷d到臥室），又需要尺度信息（走多少米），這就需要混合地圖。

分層級地圖（Hierarchy Map）顧名思義，是多層次的地圖表示，通過將環(huán)境信息組織成不同層次以提高數(shù)據(jù)管理和處理的效率。例如無人駕駛時，頂層地圖表示全局的道路網(wǎng)絡(luò)，底層表示局部的道路詳細(xì)結(jié)構(gòu)，可以理解成“分辨率”從粗到細(xì)的過程，以適應(yīng)不同的任務(wù)需求。

2、尺度地圖細(xì)分

2.1 特征地圖

特征地圖（Feature Map）是僅保留特征的地圖，常見于視覺SLAM。一些場景，例如水下的定位放置一些標(biāo)志物，這樣建立的地圖就是特征點(diǎn)地圖。視覺SLAM一般提取特征點(diǎn)匹配后建立特征點(diǎn)地圖。除了點(diǎn)特征意外，線特征和面特征也可以建立地圖，但也屬于是特征地圖的一種。

左：水下聲吶建立的聲吶目標(biāo)特征點(diǎn)地圖；中：vSLAM建立的特征點(diǎn)地圖；右：線+面特征地圖

2.2 點(diǎn)云地圖

點(diǎn)云地圖（Point Cloud Map）是利用點(diǎn)云形式表示地圖，常見的激光雷達(dá)SLAM建立的都是點(diǎn)云地圖。

2.3 柵格地圖

柵格地圖（Grid Map）將空間劃分為均勻的網(wǎng)格，每個網(wǎng)格存儲一個值，表征地圖的屬性。一種常見的方式，用三種狀態(tài)：占用、空閑、未知，表示某個柵格是否被占用，這種表達(dá)方式稱作“占用柵格地圖”（Occupancy Grid Map），機(jī)器人導(dǎo)航常用柵格地圖，在“空閑”柵格中規(guī)劃運(yùn)動軌跡。一般來說，柵格地圖指的是二維平面地圖。

2.4 體素地圖

體素地圖（Voxel Map）可以理解為三維的柵格地圖，當(dāng)然也包括占用體素地圖（Occupancy Grid Map）。如果是無人機(jī)這類的導(dǎo)航，一般需要用到3D的柵格地圖。和點(diǎn)云地圖相比，體素地圖的“分辨率”更低，對點(diǎn)云地圖進(jìn)行了離散化。

室內(nèi)場景的占用柵格地圖（左）和用于無人機(jī)導(dǎo)航的占用柵格地圖（右）

2.5 高程地圖

高程地圖（Elevation Map）也稱2.5D地圖。如果是平坦地面、二維場景，用柵格地圖就可以；如果是無人機(jī)，需要用到三維場景體素地圖；但如果是無人車在非平坦路面運(yùn)行、或者是四足/輪式機(jī)器人在野外的行進(jìn)，需要對地形進(jìn)行建模，常用的方式就是高程地圖，例如經(jīng)典的elevation mapping就是建立的高程地圖[2]。在柵格地圖的基礎(chǔ)上增加了一個維度即高度。

2.6 神經(jīng)輻射場地圖

神經(jīng)輻射場地圖（Neural Radiance Fields, NeRF）是一種新興的三維場景表示和渲染技術(shù)，通過神經(jīng)網(wǎng)絡(luò)隱式地表示三維空間中的顏色和密度場。其特點(diǎn)是高精度、連續(xù)表示、數(shù)據(jù)驅(qū)動。具體可參考[6]。

2.7 八叉樹地圖、ikdtree地圖、哈希地圖等

這些我認(rèn)為不屬于具體的地圖表征形式，只是地圖存儲的數(shù)據(jù)結(jié)構(gòu)。具體來說：

• 八叉樹地圖（Octree Map）是利用八叉樹數(shù)據(jù)結(jié)構(gòu)存儲體素地圖，可以節(jié)省數(shù)據(jù)存儲空間。具體實(shí)現(xiàn)例如 OctoMap[3]
• ikdtree地圖是動態(tài)kd-tree的地圖，存儲的是原始點(diǎn)云形式，由Fastlio2[4]采用，專門用于處理點(diǎn)云數(shù)據(jù)的高效存儲、增量更新和查詢
• 哈希地圖（Hash Map）使用哈希函數(shù)將二維或者三維空間坐標(biāo)映射到哈希表中，用于存儲和檢索空間信息，節(jié)省存儲空間，存取速度快，可以存儲點(diǎn)云地圖、體素地圖

除此之外，還有其他改進(jìn)例如i-octree[5]等，不展開介紹。

3、一些討論

這里記錄一些自己學(xué)習(xí)的困惑，或者其他地方的討論。

3.1 為什么要關(guān)注地圖的表示？

對于最基礎(chǔ)的SLAM而言，實(shí)現(xiàn)了定位與建圖任務(wù)就可以了。但問題是，建立的地圖要干什么、如何服務(wù)后面的任務(wù)？如果不加以考慮、忽視建圖，就完全是一個定位過程了。所以，需要根據(jù)后續(xù)任務(wù)決定建立什么地圖。

3.2 無人駕駛的高精度地圖是什么？

個人簡單總結(jié)，就是：尺度地圖的絕對坐標(biāo)精度更高，所包含的道路交通信息元素豐富細(xì)致。按照第一部分的分類，應(yīng)該數(shù)據(jù)多層級地圖。

4、小結(jié)

本文整理了一些SLAM領(lǐng)域常見的地圖，但并沒有細(xì)致討論每種地圖的優(yōu)缺點(diǎn)以及應(yīng)用場景。