SLAM中地图的分类

type

status

date

slug

summary

0、语义地图是什么？

语义地图不仅捕捉环境的物理空间，还捕捉关于环境的语义信息，如识别出的物体和区域的名称、关键特征以及其他与智能体如何在环境中导航或交互相关的属性。它还可以存储物体和区域之间的空间和功能关系。为了使机器人或智能体构建准确的语义地图，机器人通过传感器（如摄像头、激光雷达等）感知环境，并使用认知能力对其感知到的物体和区域进行分类。随着机器人在环境中行动和导航，它需要将信息存储在有结构的记忆中（即语义地图），以便在需要时检索。语义地图使机器人能够对环境进行推理，从而使其能够在下游任务（如导航、指令跟随和物体操作）中高效地与环境交互。假设一个智能体的任务是找到一个苹果并将其放入冰箱。假设智能体首先看到了冰箱，然后看到了苹果。在拿起苹果后，如果它记住了看到冰箱的位置，那么它回溯自己的步骤将会更加高效。

一、地图的不同分类方式

1.1 拓扑地图

拓扑地图（Topological Map）使用节点和边来表示环境，其中节点表示重要位置（如拐角、门口），边表示这些位置之间的可达路径。拓扑地图注重表示环境的连接关系，而不是具体的几何细节。这种地图表示方法适用于大型、复杂环境中的高效路径规划和导航。个人简单理解为，是一种表示拓扑关系、不存在准确距离信息的地图，例如：我家地图是，客厅在中间，周围连着卧室、书房、厨房、卫生间，书房又连着阳台。

1.2 度量地图/尺度地图/几何地图

度量地图（Metric Map）或几何地图（Geometric Map）是SLAM种较为常用的一种表示方法，常见的点云（PointCloud）、八叉树地图（OctoMap）、栅格地图（Grid Map）等都属于度量地图，下一节会展开介绍。个人简单的理解为，能够从这个地图中获取具体的尺度信息，例如某个点距离某个点多远、XXX障碍物面积有多大。

根据地图的稠密程度，度量地图还可进一步分为：稀疏地图、稠密地图。稀疏地图例如视觉SLAM建立的特征点地图，是稀疏的，一般多用于自身定位而难以直接导航；而RGBD或LiDAR可以建立稠密地图。

根据地图是连续的还是离散的，还可进一步分为：离散地图、连续地图。栅格地图、体素地图（Voxel Map）就是典型的离散地图，把空间进行了划分，然后离散化表达；连续地图是采用高斯过程或者NeRF方式建立的地图。

离散地图（左）与连续地图（右）

1.3 语义地图

语义地图（Semantic Map）是包含了语义信息的地图，语义信息可以是物体的种类、姿态和形状等描述。例如，无人驾驶需要知道地图中那些是车道、哪些是障碍。需要注意的是，只要包含于语义信息就可以算是语义地图，尺度地图、拓扑地图也可以是语义地图。

带语义信息的点云地图（左）和带语义信息的拓扑地图（右）

1.4 混合地图与多层级地图

混合地图（Hybrid Map）是一种结合多种地图表示的地图，例如在大范围导航时，我们可能既需要拓扑信息（从客厅到卧室），又需要尺度信息（走多少米），这就需要混合地图。

分层级地图（Hierarchy Map）顾名思义，是多层次的地图表示，通过将环境信息组织成不同层次以提高数据管理和处理的效率。例如无人驾驶时，顶层地图表示全局的道路网络，底层表示局部的道路详细结构，可以理解成“分辨率”从粗到细的过程，以适应不同的任务需求。

二、尺度地图细分

2.1 特征地图

特征地图（Feature Map）是仅保留特征的地图，常见于视觉SLAM。一些场景，例如水下的定位放置一些标志物，这样建立的地图就是特征点地图。视觉SLAM一般提取特征点匹配后建立特征点地图。除了点特征意外，线特征和面特征也可以建立地图，但也属于是特征地图的一种。

左：水下声呐建立的声呐目标特征点地图；中：vSLAM建立的特征点地图；右：线+面特征地图

2.2 点云地图

点云地图（Point Cloud Map）是利用点云形式表示地图，常见的激光雷达SLAM建立的都是点云地图。

2.3 栅格地图

栅格地图（Grid Map）将空间划分为均匀的网格，每个网格存储一个值，表征地图的属性。一种常见的方式，用三种状态：占用、空闲、未知，表示某个栅格是否被占用，这种表达方式称作“占用栅格地图”（Occupancy Grid Map），机器人导航常用栅格地图，在“空闲”栅格中规划运动轨迹。一般来说，栅格地图指的是二维平面地图。

2.4 体素地图

体素地图（Voxel Map）可以理解为三维的栅格地图，当然也包括占用体素地图（Occupancy Grid Map）。如果是无人机这类的导航，一般需要用到3D的栅格地图。和点云地图相比，体素地图的“分辨率”更低，对点云地图进行了离散化。

室内场景的占用栅格地图（左）和用于无人机导航的占用栅格地图（右）

2.5 高程地图

高程地图（Elevation Map）也称2.5D地图。如果是平坦地面、二维场景，用栅格地图就可以；如果是无人机，需要用到三维场景体素地图；但如果是无人车在非平坦路面运行、或者是四足/轮式机器人在野外的行进，需要对地形进行建模，常用的方式就是高程地图，例如经典的elevation mapping就是建立的高程地图[2]。在栅格地图的基础上增加了一个维度即高度。