原来如此！便捷总结SLAM中的各种地图

自己搞了这么多年SLAM，经常使用的关键还是点云地图。只管知道种种地图表征，但不时没有梳理过。最近集中期间学习了一下各种地图，在这里启动整顿与分享。才干有限，不免有不恰之处，请批判斧正。

地图有多种不同的分类方式，网上有不少帖子引见各种各样的地图，但并没有十分完整的总结地图应该怎样分类。论文[1]中将地图分红以下几种：拓扑地图、度量地图、度量-语义地图和混合地图。我感觉依照这种方式启动归类相对比拟迷信。

拓扑地图（Topological Map）经常使用节点和边来示意环境，其中节点示意关键位置（如拐角、门口），边示意这些位置之间的可达门路。拓扑地图器重示意环境的衔接相关，而不是详细的几何细节。这种地图示意方法适用于大型、复杂环境中的高效门路布局和导航。团体便捷了解为，是一种示意拓扑相关、不存在准确距离消息的地图，例如：我家地图是，客厅在两边，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种较为罕用的一种示意方法，经常出现的点云（PointCloud）、八叉树地图（OctoMap）、栅格地图（Grid Map）等都属于度量地图，下一节会展开引见。团体便捷的了解为，能够从这个地图中失掉详细的尺度消息，例如某个点距离某个点多远、XXX阻碍物面积有多大。

依据地图的浓密水平，度量地图还可进一步分为：稀疏地图、浓密地图。稀疏地图例如视觉SLAM树立的特色点地图，是稀疏的，普通多用于自身定位而难以间接导航；而RGBD或LiDAR可以树立浓密地图。

依据地图是延续的还是团圆的，还可进一步分为：团圆地图、延续地图。栅格地图、体素地图（Voxel Map）就是典型的团圆地图，把空间启动了划分，而后团圆化表白；延续地图是驳回高斯环节或许NeRF方式树立的地图。

团圆地图（左）与延续地图（右）

语义地图（Semantic Map）是蕴含了语义消息的地图，语义消息可以是物体的种类、姿态和外形等形容。例如，无人驾驶须要知道地图中那些是车道、哪些是阻碍。须要留意的是，只需蕴含于语义消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。

带语义消息的点云地图（左）和带语义消息的拓扑地图（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示意的地图，例如在大范围导航时，咱们或许既须要拓扑消息（从客厅到卧室），又须要尺度消息（走多少米），这就须要混合地图。

分层级地图（Hierarchy Map）望文生义，是多档次的地图示意，经过将环境消息组织成不同档次以提高数据治理和处置的效率。例如无人驾驶时，顶层地图示意全局的路途网络，底层示意部分的路途详细结构，可以了解成“分辨率”从粗到细的环节，以顺应不同的义务需求。

特色地图（Feature Map）是仅保管特色的地图，经常出现于视觉SLAM。一些场景，例如水下的定位搁置一些标记物，这样树立的地图就是特色点地图。视觉SLAM普通提取特色点婚配后树立特色点地图。除了点特色异常，线特色和面特色也可以树立地图，但也属于是特色地图的一种。

左：水下声呐树立的声呐指标特色点地图；中：vSLAM树立的特色点地图；右：线+面特色地图

点云地图（Point Cloud Map）是应用点云方式示意地图，经常出现的激光雷达SLAM树立的都是点云地图。

栅格地图（Grid Map）将空间划分为平均的网格，每个网格存储一个值，表征地图的属性。一种经常出现的方式，用三种形态：占用、闲暇、未知，示意某个栅格能否被占用，这种表白方式称作“占用栅格地图”（Occupancy Grid Map），机器人导航罕用栅格地图，在“闲暇”栅格中布局静止轨迹。普通来说，栅格地图指的是二维平面地图。

体素地图（Voxel Map）可以了解为三维的栅格地图，当然也包括占用体素地图（Occupancy Grid Map）。假设是无人机这类的导航，普通须要用到3D的栅格地图。和点云地图相比，体素地图的“分辨率”更低，对点云地图启动了团圆化。

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）

高程地图（Elevation Map）也称2.5D地图。假设是平整低空、二维场景，用栅格地图就可以；假设是无人机，须要用到三维场景体素地图；但假设是无人车在非平整路面运转、或许是四足/轮式机器人在朝外的后退，须要对地形启动建模，罕用的方式就是高程地图，例如经典的elevation mapping就是树立的高程地图[2]。在栅格地图的基础上参与了一个维度即高度。

神经辐射场地图（Neural Radiance Fields, NeRF）是一种新兴的三维场景示意和渲染技术，经过神经网络隐式地示意三维空间中的色彩和密度场。其特点是高精度、延续示意、数据驱动。详细可参考[6]。

2.7 八叉树地图、ikdtree地图、哈希地图等

这些我以为不属于详细的地图表征方式，只是地图存储的数据结构。详细来说：

除此之外，还有其余改良例如i-octree[5]等，不展开引见。

这里记载一些自己学习的困惑，或许其余中央的探讨。

3.1 为什么要关注地图的示意？

关于最基础的SLAM而言，成功了定位与建图义务就可以了。但疑问是，树立的地图要干什么、如何服务前面的义务？假设不加以思考、漠视建图，就齐全是一个定位环节了。所以，须要依据后续义务选择树立什么地图。

3.2 无人驾驶的高精度地图是什么？

团体便捷总结，就是：尺度地图的相对坐标精度更高，所蕴含的路途交通消息元素丰盛粗疏。依照第一部分的分类，应该数据多层级地图。

本文整顿了一些SLAM畛域经常出现的地图，但并没有粗疏探讨每种地图的优缺陷以及运行场景。