這種地圖看起來和人們所認(rèn)知的地圖沒什么區(qū)別，它最早由NASA的Alberto Elfes在1989年提出，在火星探測車上就用到過，其本質(zhì)是一張位圖圖片，但其中每個“像素”則表示了實際環(huán)境中存在障礙物的概率分布。

一般來說，采用激光雷達(dá)、深度攝像頭、超聲波傳感器等可以直接測量距離數(shù)據(jù)的傳感器進(jìn)行SLAM時，可以使用該地圖。這種地圖也可以通過距離測量傳感器、超聲波（早期）、激光雷達(dá)（現(xiàn)在）繪制出來。

2.特征點地圖

特征點地圖，是用有關(guān)的幾何特征（如點、直線、面）表示環(huán)境，常見于vSLAM（視覺SLAM）技術(shù)中。

相比柵格地圖，這種地圖看起來就不那么直觀了。它一般通過如GPS、UWB以及攝像頭配合稀疏方式的vSLAM算法產(chǎn)生，優(yōu)點是相對數(shù)據(jù)存儲量和運算量比較小，多見于最早的SLAM算法中。

3.直接表征法

直接表征法中，省去了特征或柵格表示這一中間環(huán)節(jié)，直接用傳感器讀取的數(shù)據(jù)來構(gòu)造機(jī)器人的位姿空間。

上圖就是直接記錄了屋子內(nèi)天花板畫面的圖像地圖。這種方法就像衛(wèi)星地圖一樣，直接將傳感器原始數(shù)據(jù)通過簡單處理拼接形成地圖，相對來說更加直觀。

4.拓?fù)涞貓D

拓?fù)涞貓D，是一種相對更加抽象的地圖形式，它把室內(nèi)環(huán)境表示為帶結(jié)點和相關(guān)連接線的拓?fù)浣Y(jié)構(gòu)圖，其中結(jié)點表示環(huán)境中的重要位置點（拐角、門、電梯、樓梯等），邊表示結(jié)點間的連接關(guān)系，如走廊等。

這種方法只記錄所在環(huán)境拓?fù)滏溄雨P(guān)系，這類地圖一般是由前幾類地圖通過相關(guān)算法提取得到。

比如掃地機(jī)器人要進(jìn)行房間清掃的時候，就會建立這樣的拓?fù)涞貓D：

5.小結(jié)

在機(jī)器人技術(shù)中，SLAM的地圖構(gòu)建通常指的是建立與環(huán)境幾何一致的地圖。

一般算法中建立的拓?fù)涞貓D只反映了環(huán)境中的各點連接關(guān)系，并不能構(gòu)建幾何一致的地圖，因此，這些拓?fù)渌惴ú荒鼙挥糜赟LAM。

直接表征法類似衛(wèi)星地圖，它是直接使用傳感器（一般是圖像傳感器）構(gòu)建得到。這種方法的信息冗余度最大，對于數(shù)據(jù)存儲是很大的挑戰(zhàn)，同時，機(jī)器人要從中提取出有用的數(shù)據(jù)也要耗費一番周折，因此在實際應(yīng)用中很少使用。

特征點地圖又是另一個極端，雖然數(shù)據(jù)量少，但是它往往不能反應(yīng)所在環(huán)境的一些必須的信息，比如環(huán)境中障礙物的位置。vSLAM技術(shù)中，多采用這種地圖來解決機(jī)器人定位問題。想讓機(jī)器人進(jìn)行自主避障和路徑規(guī)劃，還需要額外配置距離傳感器，如激光雷達(dá)、超聲波來完成。

柵格地圖，或者Occupancy Map（占據(jù)地圖）恰好介于其中，一方面它能表示空間環(huán)境中的很多特征，機(jī)器人可以用它來進(jìn)行路徑規(guī)劃，另一方面，它又不直接記錄傳感器的原始數(shù)據(jù)，相對實現(xiàn)了空間和時間消耗的最優(yōu)。因此，柵格地圖是目前機(jī)器人所廣泛應(yīng)用的地圖存儲方式。

二、定位及傳感器選擇

當(dāng)你打開手機(jī)中的導(dǎo)航軟件，在選擇前往目的地的最佳路線之前，首先要做的動作是什么呢？沒錯，就是定位。我們要先知道自己在地圖中的位置，才可以進(jìn)行后續(xù)的路徑規(guī)劃。

在機(jī)器人實時定位問題中，由于通過機(jī)器人運動估計得到的機(jī)器人位置信息通常具有較大的誤差，我們還需要使用測距單元得到的周圍環(huán)境信息更正機(jī)器人的位置。

目前，常見的測距單元包括激光測距、超聲波測距以及圖像測距三種。其中，憑借激光良好的指向性和高度聚焦性，激光雷達(dá)已經(jīng)成為移動機(jī)器人的核心傳感器，同時它也是目前最可靠、最穩(wěn)定的定位技術(shù)。

自1988年被提出以來，SLAM的理論研究發(fā)展十分迅速。在實際應(yīng)用時，除配備激光雷達(dá)外，還需要機(jī)器人具有IMU（慣性測量單元）、里程計來為激光雷達(dá)提供輔助數(shù)據(jù)，這一過程的運算消耗是巨大的，傳統(tǒng)上需要PC級別的處理器，這也成為限制SLAM廣泛應(yīng)用的瓶頸之一。

三、傳感器數(shù)據(jù)預(yù)處理

這是一個完整的SLAM和導(dǎo)航系統(tǒng)的主要架構(gòu)圖：

其中，SLAM核心過程包括3個步驟，第一步稱為預(yù)處理。我們知道，激光雷達(dá)和其他雷達(dá)設(shè)備一樣，某一個時刻只能獲取它所在位置的環(huán)境信息。

這就是我們所說的點云，它只能反映機(jī)器人所在環(huán)境中的一個部分。第一步預(yù)處理就是對激光雷達(dá)原始數(shù)據(jù)進(jìn)行優(yōu)化，剔除一些有問題的數(shù)據(jù)，或者進(jìn)行濾波。

四、匹配

第二步是匹配，也就是說把當(dāng)前這一個局部環(huán)境的點云數(shù)據(jù)在已經(jīng)建立地圖上尋找到對應(yīng)的位置，這個步驟非常關(guān)鍵。

這個是ICP的點云匹配算法，用于實現(xiàn)匹配。說這個過程關(guān)鍵，就是因為它的好壞，直接影響了SLAM構(gòu)建地圖的精度。這個過程和我們玩拼圖游戲有點類似，就是在已經(jīng)拼好的畫面中找到相似之處，確定新的一個拼圖該放在哪里。

在SLAM過程中，需要將激光雷達(dá)當(dāng)前采集的點云（紅色部分）匹配拼接到原有地圖中。

如果不進(jìn)行匹配過程，所構(gòu)建的地圖可能就亂成一團(tuán)，變成這樣。

五、地圖融合

在這個部分完畢以后，就進(jìn)行第三步，地圖融合，也就是將這一輪來自激光雷達(dá)的新數(shù)據(jù)拼接到原始地圖當(dāng)中，最終完成地圖的更新。

就像這個圖一樣，這個過程是永遠(yuǎn)伴隨SLAM過程的。

數(shù)據(jù)融合和簡單的貼圖是有很大的差異的。因為實際上傳感器描繪的世界存在一定的誤差，或者正巧在這個時間環(huán)境有了變化，例如機(jī)器人旁邊闖入了一只小貓。

因此，實際要進(jìn)行的過程會更加復(fù)雜，需要用很多概率算法，并采用濾波的方式進(jìn)行融合。將上述這個過程逐次執(zhí)行，就最終產(chǎn)生了我們看到的柵格地圖。

六、Loop Closure（回環(huán)）問題

這個過程聽起來其實并不復(fù)雜，但是要處理好有很大難度。這里舉幾個例子，比如叫做Loop Closure（回環(huán)）問題。

如果匹配算法不足夠優(yōu)秀，或者環(huán)境中存在很不巧的干擾，當(dāng)機(jī)器人繞著環(huán)境一圈后，就會發(fā)現(xiàn)原本是應(yīng)該閉合的一個環(huán)形走廊斷開了。

比如正常地圖應(yīng)該這樣：

如果處理不好，實際地圖就成這樣：

對于環(huán)境比較大的場景，回環(huán)問題是不得不面對的，但現(xiàn)實總是不完美的，即使是激光雷達(dá)這種高精度傳感器，也難免存在誤差。

而回環(huán)問題的難點恰恰在于在一開始出現(xiàn)少許誤差的時候，并不會被發(fā)覺，直到機(jī)器人繞著環(huán)路一圈，隨著誤差的累加，發(fā)現(xiàn)環(huán)路已經(jīng)無法閉合時，此時已經(jīng)釀成大錯，一般很難回天。

當(dāng)然這個問題并不是無解，一個好的商用化SLAM系統(tǒng)，回環(huán)問題是否能很好的解決，就成為評判這個系統(tǒng)實力的指標(biāo)了。

除了算法層面的回環(huán)問題，SLAM實際應(yīng)用中還有很多這種坑，比如走廊問題與外界干擾問題。

以外界干擾問題來說，通常，激光雷達(dá)作為機(jī)器人的眼睛，一般是安裝在底盤上的，它能看到的視野很有限。當(dāng)受到外界干擾（人類或者寵物等等）后，機(jī)器人很容易丟失定位精度，無法正常完成后續(xù)的建圖工作。

當(dāng)機(jī)器人安裝SLAMWARE后，機(jī)器人受到干擾，可以完全不受影響，照樣能夠正常工作。

目前，SLAM的開源實現(xiàn)代表多為學(xué)術(shù)界，實際應(yīng)用有很多Corner Case要處理，需要傳感器、系統(tǒng)參數(shù)、其他輔助設(shè)備的聯(lián)合調(diào)優(yōu)。

一般來說，上述的SLAM過程對于運算消耗是巨大的，雖然并沒有達(dá)到像訓(xùn)練神經(jīng)網(wǎng)絡(luò)動用服務(wù)器集群那種地步，但傳統(tǒng)上需要PC級別的處理器。

除配備激光雷達(dá)外，還需要機(jī)器人具有IMU（慣性測量單元）、里程計來為激光雷達(dá)提供輔助數(shù)據(jù)，否則SLAM系統(tǒng)也難以得到運行?？偟膩碚f，SLAM算法本身是一個對于外部系統(tǒng)有著多種依賴的算法，這是一個切實的工程問題。

七、算法優(yōu)化及商用

很多機(jī)器人，比如掃地機(jī)是不可能裝一個PC進(jìn)去的，為了讓SLAM能在這類設(shè)備里運行，除了解決激光雷達(dá)成本外，還要對SLAM算法做出很好的優(yōu)化。

八、路徑規(guī)劃

那么，機(jī)器人利用SLAM技術(shù)得到了有效的空間信息后，它是怎樣實現(xiàn)路徑規(guī)劃的？SLAM和路徑規(guī)劃之間關(guān)系是怎樣的？

實際上，SLAM算法本身只是完成了機(jī)器人的定位和地圖構(gòu)建兩件事情，與我們說的導(dǎo)航定位并不是完全等價的。這里的導(dǎo)航，其實是SLAM算法做不了的。它在業(yè)內(nèi)叫做運動規(guī)劃(Motion Planning)。

運動規(guī)劃是一個很大的概念，從機(jī)械臂的運動、到飛行器的飛行，再到這里我們說的掃地機(jī)的清掃路徑規(guī)劃，都是運動規(guī)劃的范疇。

我們先談?wù)勧槍叩貦C(jī)這類輪式機(jī)器人的運動規(guī)劃。這里所需的基礎(chǔ)能力就是路徑規(guī)劃，也就是一般在完成SLAM后，要進(jìn)行一個叫做目標(biāo)點導(dǎo)航的能力。通俗的說，就是規(guī)劃一條從A點到B點的路徑出來，然后讓機(jī)器人移動過去。

1.全局規(guī)劃

要實現(xiàn)這個過程，運動規(guī)劃要實現(xiàn)至少兩個層次的模塊，一個叫做全局規(guī)劃，這個和我們車載導(dǎo)航儀有一點像，它需要在地圖上預(yù)先規(guī)劃一條線路，也要有當(dāng)前機(jī)器人的位置。這是由我們的SLAM系統(tǒng)提供出來的。

行業(yè)內(nèi)一般會用叫做A*的算法來實現(xiàn)這個過程，它是一種啟發(fā)式的搜索算法，非常優(yōu)秀。

它最多的應(yīng)用，是在游戲中，比如像星際爭霸、魔獸爭霸之類的即時戰(zhàn)略游戲，都是使用這個算法來計算單位的運動軌跡的。

2.局部規(guī)劃

當(dāng)然，僅僅規(guī)劃了路徑還是不夠的，現(xiàn)實中會有很多突發(fā)情況，比如正巧有個小孩子擋道了，就需要調(diào)整原先的路徑。

當(dāng)然，有時候這種調(diào)整并不需要重新計算一遍全局路徑，機(jī)器人可能稍微繞一個彎就可以。此時，我們就需要另一個層次的規(guī)劃模塊，叫做局部規(guī)劃。

它可能并不知道機(jī)器人最終要去哪，但是對于機(jī)器人怎么繞開眼前的障礙物特別在行。

3.已知地圖（A*）與未知地圖（D*）算法

這兩個層次的規(guī)劃模塊協(xié)同工作，機(jī)器人就可以很好的實現(xiàn)從A點到B點的行動了，不過實際工作環(huán)境下，上述配置還不夠。

比如A＊算法規(guī)劃的路徑是根據(jù)已知地圖，預(yù)先規(guī)劃好的，一旦機(jī)器人前往目的地的過程中遇到了新的障礙物，就只好完全停下來，等待障礙物離開或者重新規(guī)劃路徑了。如果掃地機(jī)器人買回家，必須先把屋子都走一遍以后才肯掃地，那用戶體驗就會很差。

為此，也會有針對這類算法的改進(jìn)，比如SLAMWARE內(nèi)我們采用改良的D*算法進(jìn)行路徑規(guī)劃，這也是美國火星探測器采用的核心尋路算法。這是一種動態(tài)啟發(fā)式路徑搜索算法，它讓機(jī)器人在陌生環(huán)境中行動自如，在瞬息萬變的環(huán)境中游刃有余。

D*算法的最大優(yōu)點是不需要預(yù)先探明地圖，機(jī)器人可以和人一樣，即使在未知環(huán)境中，也可以展開行動，隨著機(jī)器人不斷探索，路徑也會時刻調(diào)整。

4.空間覆蓋（space coverage）

以上是目前大部分移動機(jī)器人都需要的路徑規(guī)劃算法，而掃地機(jī)器人作為最早出現(xiàn)在消費市場的服務(wù)機(jī)器人之一，它需要的路徑規(guī)劃算法更為復(fù)雜。

一般來說，掃地機(jī)需要這么幾個規(guī)劃能力：貼邊打掃、折返的工字形清掃以及沒電時候自主充電。單單依靠前面介紹的D*這類算法，無法滿足這些基礎(chǔ)需要。

掃地機(jī)器人還需要有額外的規(guī)劃算法，比如針對折返的工字形清掃，有很多問題要處理。掃地機(jī)如何最有效進(jìn)行清掃而不重復(fù)清掃？如何讓掃地機(jī)和人一樣，理解房間、門、走廊這種概念？

針對這些問題，學(xué)術(shù)界長久以來有一個專門的研究課題，叫做空間覆蓋（space coverage），同時也提出了非常多的算法和理論。其中，比較有名的是Morse Decompositions，掃地機(jī)通過它實現(xiàn)對空間進(jìn)行劃分，隨后進(jìn)行清掃。

20世紀(jì)70年代，卡內(nèi)基梅隴大學(xué)（CMU）完全依靠超聲波做到了現(xiàn)在我們掃地機(jī)的行為，當(dāng)然造價也十分昂貴。

前面介紹的從A點到B點移動路徑規(guī)劃也是實現(xiàn)這類更高級路徑規(guī)劃的基礎(chǔ)。實際上，要從SLAM實現(xiàn)到掃地機(jī)器人所需要的這些功能，還是有非常多的工作要做的。

編輯：黃飛

?