什么是建图？什么是激光雷达建图

一、背景

机器人要在现实世界自主移动（巡逻、导航、避障），首先要回答两个核心问题：

① 我周围环境长什么样？② 我自己现在在哪？

人靠眼睛 + 记忆认识房间；机器人没有先天记忆。

建图就是让机器人把现实环境数字化，生成一张机器能读懂的环境地图。

没有地图：只能做简单实时避障、目标跟随；做不了自主巡逻、定点导航。

建图 + 定位合在一起，叫做 SLAM（同步定位（找到相对位置）与地图构建 Simultaneous Localization And Mapping：在地图中找到自己的位置）。

SLAM 两件事：一边走一边估算自己位置，一边构建环境地图。建图是 SLAM 的输出产物。

激光雷达建图：以 2D/3D 激光雷达作为主感知传感器完成 SLAM 建图。激光发射光束，测量障碍物距离角度，获取环境轮廓，算法把一帧帧轮廓拼接成完整数字地图。

备注：

激光雷达属于主动式建图：先自己发送一束光，收然接收反馈信号。

视觉属于被动式建图：不主动发送光，只被动接收光信号 。

---

二、技术原理（通俗）

激光雷达每一帧输出一版环境轮廓点云：一圈障碍物距离。 机器人在移动，每一帧激光都是机器人在某一个位置看到的局部画面。 建图算法核心要解决两件事：

1. 配准（对齐）：把新一帧激光轮廓，和已经建好的旧地图做匹配对齐，算出机器人当前相对上一时刻的位姿（位置 + 朝向）。
2. 地图融合：根据算出来的机器人位姿，把当前帧障碍物填到全局地图格子里。

2D 激光栅格地图（最常用）

把地面切分成大量小方格：

• 占用：格子里有障碍物（墙、柜子）
• 空闲：可以通行
• 未知：雷达没有扫描到该区域

Gmapping、Cartographer 输出的就是这种栅格地图，直接给导航算法使用。

两种主流算法原理

1. 粒子滤波（代表：Gmapping） 撒一堆 “假想粒子”，每个粒子代表机器人一个可能位置。结合里程计预测粒子运动；用激光点云筛选粒子，匹配度高保留，差的丢弃，用最优粒子拼接地图。高度依赖里程计编码器，闭环校正能力弱。

2. 图优化（代表：Cartographer） 把机器人每一个时刻的位姿当作图的节点；激光匹配、里程计、IMU 作为约束边。当机器人回到曾经来过的地方（回环），检测到闭环，整体修正历史所有位姿，消除累计误差。对里程计容错更好，大场景优势明显。

---

三、实现方法（工程实现链路）

硬件输入

• 2D 激光雷达（核心，输出 scan 点云）
• 底盘里程计（电机编码器）
• 可选：IMU，改善旋转、打滑场景

软件链路（ROS 为例）

1. 硬件驱动：雷达驱动输出 /scan；底盘驱动输出 /odom 里程计
2. SLAM 建图节点（Gmapping / Cartographer）接收 scan+odom+imu
3. 算法实时输出栅格地图话题 /map
4. RVIZ 可视化查看地图效果
5. 人工遥控小车遍历全部场地，走完所有过道房间
6. 保存地图文件：.pgm图像 + .yaml配置文件
7. 后续导航阶段：加载建好的静态地图，结合雷达实时数据做定位，实现巡逻导航。

注意：建图阶段是人遥控小车到处跑；导航巡逻阶段机器人自主跑，不再修改地图。

---

四、应用场景

1. 室内移动机器人 AGV、AMR、巡检机器人、扫地机器人，构建室内仓库、机房、办公室地图，实现自主巡逻、定点巡检。
2. 安防机器人 构建园区室内地图，实现自主巡逻避障。
3. 工业场景 工厂车间建图，物料搬运小车自主导航。
4. 地下无 GPS 环境 管廊、地下车库，没有 GPS 信号，激光 SLAM 是主要建图手段。

局限：室外强光、雨水、玻璃镜面会干扰激光，降低建图质量。

---

五、与其他建图技术对比

表格

建图方案	核心传感器	原理	优点	缺点	适用场景
2D 激光雷达建图	2D 激光雷达 + 里程计	激光测距，轮廓匹配生成栅格地图	测距稳定，不受光照影响；计算量适中；输出栅格地图直接用于导航；成熟度高	只能获取平面二维信息；玻璃、镜面容易漏检；无法识别物体类别	室内仓库、机房、AGV 巡检机器人，绝大多数室内移动机器人
3D 激光雷达建图	多线 3D 激光雷达	生成三维点云地图	获取高度信息，可以识别台阶、悬空障碍物；支持室外	硬件成本高；算力消耗大；栅格导航还需要降维成 2D 地图	室外机器人、大型园区、自动驾驶
视觉 V‑SLAM 建图（单目 / 双目摄像头）	相机	依靠图像特征点匹配建图	硬件便宜，可以识别物体；输出稠密点云	极度受光照影响；暗光、强光容易失效；尺度漂移；计算压力大	消费级 AR、小型机器人，很少单独用于工业 AGV 导航
GPS 建图	GPS+IMU	卫星定位记录轨迹，不需要感知环境	适合大室外场景	室内完全失效；GPS 信号漂移，没有障碍物信息	户外大型车辆，不能做室内巡逻
预先图纸导入建图	直接导入 CAD 图纸	把建筑图纸直接转为机器人地图	速度快，不用跑现场	图纸与实际现场会有差异；新增障碍物无法体现，需要二次修正	工厂已有 CAD 图纸的车间，一般配合激光做校正

关键总结对比

1. 室内无 GPS 的工业机器人，2D 激光雷达建图是工程首选，稳定性综合最优。
2. 视觉 SLAM 成本低，但可靠性不如激光，一般做辅助，很少单独作为工业导航唯一方案。
3. GPS 室内完全不能用。CAD 图纸只能作为初始参考，现实环境总有改动，几乎都要激光现场校准。

---

六、重要概念区分，容易混淆

1. 建图阶段：机器人第一次探索环境，生成地图；需要人遥控遍历场地。
2. 定位阶段：地图已经建好，机器人只需要读取旧地图，结合实时雷达判断自己在哪，不再修改地图；巡逻导航运行在这一阶段。
3. SLAM = 建图 + 定位；SLAM 可以建图；建好地图之后导航不再跑完整 SLAM，只跑定位。

通俗类比： 建图相当于你第一次来到一栋大楼，到处走一遍，在本子上画出大楼平面图； 定位就是拿着画好的平面图，在楼里走路，不断判断自己现在走到哪。