環境地圖

環境地圖是指產生、維持環境邊界分佈、走向、銜接關係、屬性和其間障礙位置、姿態等方面的表述，給出環境單元的相互依存關係，以及彼此在整個環境中所處地位與擔當角色的描述。在基於規劃的中心決策模式中，環境模型是路徑規劃與導航監控等模塊得以順利進行並取得發展的前提與基礎，因機器人可能涉足的環境囊括了結構、半結構和非結構三大類，而這些不同類型的環境又擁有很多截然不同特性，所以當前還沒有尋找到能夠同時兼顧三者問題處理能力、使用靈活、簡便和有效的統一方法。針對山石、海溝、樹枝和水草等自然界長期演變、發展形成的很難用數學方式準確描述的一類非結構客觀實體，由於往往是極度錯綜複雜，而且伴有明顯的不規則、非預期變化性質，所以目前研究仍停留在切平面與具體應用的等高線水平上。鑑於書桌、椅子、櫃枱和建築物之類結構性環境裏的所有物件、邊界均屬人工建造，不管多麼龐雜總可以得到各自比較滿意的數學表示，於是獲得了以障礙空間法、自由空間法、網格法、位勢場法和拓撲空間法等為代表的一大批早期單級方法。

隨着社會對此類環境中機器人應用的日益迫切，這方面的研究顯得非常活躍，發展也十分迅速。近年來，不但提出了語義、拓撲和空間三層不同概念的多級方法，研製成功了數種實用系統，而且還將知識、區域分割、障礙機器人碰壓代價和二維半表示等引入了環境建模之中，從而極大地改善了構成系統的實用性。二維半表示很好地解決了長期以來在描述細膩性與數據量、檢索、提取速度及存儲空間之間存在的困擾;障礙機器人碰壓代價同任務緊迫性相配合，可以有選擇地碾壓過某些障礙，大大地增強了消防、救援之類急迫任務執行的擬人化;知識與區域分割利用則使廣域描述和定性規劃成為可能。半結構性環境經常界於結構與非結構之間。它在整體外貌上表現得非常接近結構性環境，但在局部細節方面卻顯現出非結構特徵。局部塌陷而未得到及時修復的公路、街道和附有貝類的海洋鑽井支柱便是最好的例證。

典型的地圖表示方法有尺度地圖、拓撲地圖和混合地圖。尺度地圖又分為柵格地圖和幾何特徵地圖。地圖表示方法不同，適用場合和作用也就不一樣。

柵格地圖最早由H.P. Moravec和A. Elfes於1985年提出，其思想是把環境空間分解為局部單元並用它們是否被障礙佔據來進行狀態描述。這種方法採用概率值表示模型的不確定性，而且能夠提供較精確的度量信息，形成的地圖非常容易理解和處理，並且便於多傳感器信息的融合，因此在大量移動機器人系統中得到應用，直到現在仍保持着活躍的生命力。但是，度量信息的準確性嚴重倚賴里程計精度以及傳感器的不確定性處理程度，存儲和維護的數據量大，大範圍環境中沉重的計算負擔將難以滿足實時要求。

幾何特徵地圖由一組環境路標特徵組成，每一個路標特徵用一個幾何原型，如:點、線、面等來近似，如圖1-2偽)。由於既能提供定位所需要的度量信息且存儲量相對較小，有利於位置估計和目標識別，近年有很多SLAM研究採用幾何特徵地圖。該類方法的難點主要包括如何從機器人收集的環境感知信息中提取出抽象的幾何特徵，以及定位與模型更新時如何根據觀測到的路標在地圖中尋找對應的匹配，即數據關聯問題。而且提取特徵需要對感知信息作額外的處理，需要一定數量的感知數據才能得到結果。在室內環境中，可以將環境定義為更加抽象化的幾何特徵，如面、角、邊的集合或者牆壁、走廊、門、房間等。一般來説，室外環境的特徵提取比較困難，特徵地圖比較適合於室內結構化的環境描述。

拓撲地圖最開始由Brooks Mataric等研究者提出，用頂點和邊來描述空間中各種物體之間或不同環境之間的關係，並沒有一個明顯的尺度概念。拓撲地圖通常用圖表表示，需要的存儲空間小，利用其進行路徑規劃效率很高，適合於大規模環境下的應用。然而由於無精確的尺度信息，因此並不適合機器人的定位。當環境中存在兩個很相似的地方時，拓撲圖的方法將很難確定這是否為同一節點(特別是移動機器人從不同的路徑到達這些節點時)。廣義Voronoi圖( Generalized Voronoi Graph, GVG )是用得比較多的拓撲地圖表示方法，常用來表示路標之間的聯繫(路徑)。

混合地圖表示方法綜合了度量地圖和拓撲地圖各自的優點。Thrun提出了一種從全局度量地圖中提取拓撲特徵的方法，在機器人導航過程中，採用聲納傳感器的距離信息建立反映環境特徵的節點，將定位與環境拓撲的生成同時進行。Yeap提出一種從局部度量地圖中提取全局拓撲結構圖的方法，即局部地圖採用佔用柵格地圖表示，在路徑規劃中採用局部的與全局的二個層次規劃，即把規劃分為基於佔用柵格的區域規劃與基於拓撲連接關係的全局規劃。這種混合方法在全局空間採取拓撲描述以保證全局連續性，而在具體局部環境中則採用幾何表述有利於發揮移動機器人精確定位的優勢，但是這種方法一般只適合表示室內環境。動態未知環境中由於運動障礙的存在，提取路標時容易出現問題。 ^[2] 

環境地圖的應用非常廣泛，基本遍佈各個領域，例如：機器人的自主導航，SLAM研究，建築工程等。

以基於移動機器人的SLAM來舉例，智能移動機器人，是一類能夠通過機載傳感器感知環境和自身狀態，實現在有路標(或障礙物)的工作環境中，面向目標自主運動，進而完成特定作業功能的移動機器人系統。智能移動機器人，在己知部分信息的環境中，可以依據事先的環境地圖或者己知的環境特徵信息進行定位和感知環境。SLAM即同時定位與環境地圖構建，感知自身狀態和周圍環境，並確定其本身在移動環境中的精確位置，這就是定位。而環境模型，即環境地圖，是對環境路標的空間座標位置及其屬性的準確描述。機器人定位與環境模型建立是密不可分的。只有精準的環境模型才能保證精確定位，而精確定位又會增強環境模型的準確性。

由此可見，研究環境地圖對科技發展有着重要意義。