本文經自動駕駛之心公眾號授權轉載，轉載請聯系出處。

自己搞了這么多年SLAM，使用的主要還是點云地圖。雖然知道種種地圖表征，但一直沒有梳理過。最近集中時間學習了一下各種地圖，在這里進行整理與分享。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地圖應該怎么分類。論文[1]中將地圖分成以下幾種：拓撲地圖、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行歸類相對比較科學。

1.1 拓撲地圖

拓撲地圖（Topological Map）使用節點和邊來表示環境，其中節點表示重要位置（如拐角、門口），邊表示這些位置之間的可達路徑。拓撲地圖注重表示環境的連接關系，而不是具體的幾何細節。這種地圖表示方法適用于大型、復雜環境中的高效路徑規劃和導航。個人簡單理解為，是一種表示拓撲關系、不存在準確距離信息的地圖，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，例如某個點距離某個點多遠、XXX障礙物面積有多大。

根據地圖的稠密程度，度量地圖還可進一步分為：稀疏地圖、稠密地圖。稀疏地圖例如視覺SLAM建立的特征點地圖，是稀疏的，一般多用于自身定位而難以直接導航；而RGBD或LiDAR可以建立稠密地圖。

根據地圖是連續的還是離散的，還可進一步分為：離散地圖、連續地圖。柵格地圖、體素地圖（Voxel Map）就是典型的離散地圖，把空間進行了劃分，然后離散化表達；連續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、拓撲地圖也可以是語義地圖。

帶語義信息的點云地圖（左）和帶語義信息的拓撲地圖（右）

1.4 混合地圖與多層級地圖

混合地圖（Hybrid Map）是一種結合多種地圖表示的地圖，例如在大范圍導航時，我們可能既需要拓撲信息（從客廳到臥室），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，通過將環境信息組織成不同層次以提高數據管理和處理的效率。例如無人駕駛時，頂層地圖表示全局的道路網絡，底層表示局部的道路詳細結構，可以理解成“分辨率”從粗到細的過程，以適應不同的任務需求。

2、尺度地圖細分

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志物，這樣建立的地圖就是特征點地圖。視覺SLAM一般提取特征點匹配后建立特征點地圖。除了點特征意外，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特征點地圖；中：vSLAM建立的特征點地圖；右：線+面特征地圖

2.2 點云地圖

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

2.3 柵格地圖

柵格地圖（Grid Map）將空間劃分為均勻的網格，每個網格存儲一個值，表征地圖的屬性。一種常見的方式，用三種狀態：占用、空閑、未知，表示某個柵格是否被占用，這種表達方式稱作“占用柵格地圖”（Occupancy Grid Map），機器人導航常用柵格地圖，在“空閑”柵格中規劃運動軌跡。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，當然也包括占用體素地圖（Occupancy Grid Map）。如果是無人機這類的導航，一般需要用到3D的柵格地圖。和點云地圖相比，體素地圖的“分辨率”更低，對點云地圖進行了離散化。

室內場景的占用柵格地圖（左）和用于無人機導航的占用柵格地圖（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，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行、或者是四足/輪式機器人在野外的行進，需要對地形進行建模，常用的方式就是高程地圖，例如經典的elevation mapping就是建立的高程地圖[2]。在柵格地圖的基礎上增加了一個維度即高度。

2.6 神經輻射場地圖

神經輻射場地圖（Neural Radiance Fields, NeRF）是一種新興的三維場景表示和渲染技術，通過神經網絡隱式地表示三維空間中的顏色和密度場。其特點是高精度、連續表示、數據驅動。具體可參考[6]。

2.7 八叉樹地圖、ikdtree地圖、哈希地圖等

這些我認為不屬于具體的地圖表征形式，只是地圖存儲的數據結構。具體來說：

• 八叉樹地圖（Octree Map）是利用八叉樹數據結構存儲體素地圖，可以節省數據存儲空間。具體實現例如 OctoMap[3]
• ikdtree地圖是動態kd-tree的地圖，存儲的是原始點云形式，由Fastlio2[4]采用，專門用于處理點云數據的高效存儲、增量更新和查詢
• 哈希地圖（Hash Map）使用哈希函數將二維或者三維空間坐標映射到哈希表中，用于存儲和檢索空間信息，節省存儲空間，存取速度快，可以存儲點云地圖、體素地圖

除此之外，還有其他改進例如i-octree[5]等，不展開介紹。

3、一些討論

這里記錄一些自己學習的困惑，或者其他地方的討論。

3.1 為什么要關注地圖的表示？

對于最基礎的SLAM而言，實現了定位與建圖任務就可以了。但問題是，建立的地圖要干什么、如何服務后面的任務？如果不加以考慮、忽視建圖，就完全是一個定位過程了。所以，需要根據后續任務決定建立什么地圖。

3.2 無人駕駛的高精度地圖是什么？

個人簡單總結，就是：尺度地圖的絕對坐標精度更高，所包含的道路交通信息元素豐富細致。按照第一部分的分類，應該數據多層級地圖。

4、小結

本文整理了一些SLAM領域常見的地圖，但并沒有細致討論每種地圖的優缺點以及應用場景。