开篇

占据栅格并非建图的唯一答案，当任务需要材质信息、边界置信度或大范围导航时，我们需要别的地图表示。这一章我们来看反射栅格地图、不确定边界地图、拓扑地图与多机器人建图等替代表示，读完你将理解不同任务为何需要不同地图，以及 SLAM 系统在选择地图表示时的工程权衡。

前置依赖：第九章占据栅格。
后继联系：第 11~13 章 SLAM 在不同地图表示下求解位姿与地图联合估计。

---

核心知识点

10.1 反射栅格地图（Reflection Maps）

占据栅格只回答"是不是障碍"，反射地图则更进一步，记录的是传感器返回强度——

• 激光情形下对应反射率，可用来区分玻璃、镜面与哑光墙。
• 声呐或雷达情形下对应回波强度。

于是每格的取值不再限于 $[0,1]$ 的占据概率，而是一个连续反射值 $r_i$，可用高斯或对数比表示。

用途：材质识别、室内 vs 室外区分；反射地图有时与占据地图并存（同一栅格同时存占据 + 反射）。

10.2 不确定边界地图（Maps with Uncertain Borders）

真实场景里的地图边缘通常不是锐利的占据/空闲二值，而是一条概率渐变带。这类地图的表达方式是：

• 每格同时记录占据概率与不确定性（如 Beta 分布参数 $\alpha ,\beta$）。
• 观测少时不确定性偏大；观测积累后边界逐渐锐化。

直觉：相比占据栅格只存"是否占据"，本方法额外告诉规划器"我对这里有多确定"，可在保守导航中避开不确定区域。

10.3 拓扑地图（Topological Maps）

拓扑地图干脆放弃精确几何，只保留节点（地点）+ 边（连接关系）：

• 节点对应标志性位置，例如房间或走廊交叉口。
• 边刻画可达性与转移概率。
• 坐标被舍弃，只保留"谁连着谁"的关系。

用途：大范围导航、语义建图；适合机器人只需"从一个房间到另一个房间"的高层规划。GPS 类似的导航抽象。

优点与缺点

优点	缺点
紧凑、可扩展到大环境	节点/地点识别难
高层路径规划直观	缺乏精细几何，不适合避障
容易融合语义信息	与底层运动控制接口复杂

10.4 度量地图 vs 拓扑地图

维度	度量地图（占据栅格）	拓扑地图
信息	几何坐标	连接关系
适用	局部避障、SLAM	全局路径规划
内存	大（按面积）	小（按节点数）
精度	高	粗

你会发现工程实践中两类地图经常混合使用：避障交给局部度量地图，规划交给全局拓扑地图。

10.5 多机器人协同建图

多机器人建图的典型流程是各机先分别探索，再把局部地图合并为全局地图：

• 地图融合：借助共同观测区域做配准，估计各机器人地图之间的相对变换。
• 信息融合：借助协方差交叉（covariance intersection）等手段避免双重计数。
• 通信约束：带宽紧张时只交换关键节点或位姿图。

难点：相对位姿未知时需闭环检测；地图重叠区域需去重；不同坐标系的对齐。

10.6 连续/隐式地图表示（现代扩展）

经典栅格与拓扑之外，近年来还出现了一些新尝试：

• 连续场（高斯过程地图）：规避栅格离散误差，地图可微，便于参与优化。
• 神经隐式表示（NeRF、占用网络）：以神经网络参数化连续地图，利于渲染与几何重建。

这些超出原书范围，但理解本章离散地图的局限有助于看清现代方法的动机。

---

章节小结

• 反射地图在占据之外补充材质/强度信息；不确定边界地图把地图不确定性显式建模出来。
• 拓扑地图以节点+边表达大尺度结构，天然适合全局规划。
• 多机器人建图要解决局部地图与位姿图的融合，是协同 SLAM 的核心问题。
• 地图表示应按任务（避障/规划/识别）来挑选；现代系统往往混合使用多种表示。

后续联系：第 11 章 SLAM 通常基于路标（地标地图）或栅格；第 12 章 GraphSLAM 的"图"是位姿图（拓扑结构 + 度量约束），属于混合表示。

---

思考与延伸

• 任务驱动选地图：导航依赖占据栅格；语义任务偏向拓扑/语义地图；构建高质量模型则需要反射 + 几何。
• 不确定性传播：不确定边界地图在保守导航中价值大；现代 SLAM 后端（如 GTSAM）也输出位姿/地图不确定性。
• 多机器人 SLAM 相比单机器人，关键差异集中在相对位姿估计与信息去相关两点。
• 语义建图可视为拓扑地图的现代延伸：节点附带语义标签（房间类型、物体），与深度学习结合是当前热点。

---

结语

回顾本章，我们看到了占据栅格之外的多种建图思路：反射地图补充材质与强度信息，不确定边界地图显式刻画置信度，拓扑地图以节点加边支撑大尺度全局规划，多机器人建图则处理局部地图融合与信息去相关。地图表示本质上是为任务服务的工程选择，随着连续场与神经隐式表示的兴起，这一设计空间仍在快速扩展，值得持续关注。