37、视觉SLAM中的地图类型与ORB - SLAM算法详解

视觉SLAM中的地图类型与ORB - SLAM算法详解

1 地图类型介绍

1.1 度量地图问题

当查询一个空间位置时，某些地图能够提供该位置是否可通行的信息。不过，这类地图需要存储每个网格的状态，会消耗大量的存储空间，并且在多数情况下，地图的许多细节部分并无用处。同时，大规模的度量地图有时会出现一致性问题，例如微小的转向误差可能会导致两个房间的墙壁重叠，使地图失效。

1.2 拓扑地图

拓扑地图与度量地图的精确性不同，它更强调地图元素之间的关系。拓扑地图是一种图，由节点和边组成，仅考虑节点之间的连通性，使用边来连接地图上的相邻点（即图论中的图）。例如，从地铁线路图中，我们可以知道华中科技大学站与光谷大道站是相连的，但不考虑从华中科技大学站到光谷大道站的具体过程。拓扑地图不需要精确的位置信息，去除了详细信息，是一种更紧凑的表示方式。然而，拓扑地图无法有效地表达结构复杂的场景。

1.3 语义地图

语义地图上的每个位置和道路都由一组标签表示，它是对环境（室内或室外）的增强表示，包含几何信息和高级定性特征。语义地图通常建立在度量地图的基础上，将空间中物体的语义属性与周围环境的几何感知联系起来，然后使用这些信息（语义 + 几何）进行地图构建（因此称为语义地图）。例如，华中科技大学财务中心的位置可以语义表示为在学生活动中心旁边，靠近梧桐语学术交流中心。因此，语义地图包含高级特征，用于对位置、物体、形状以及所有这些物体之间的关联进行建模。同时，底层的度量地图保留了机器人在环境中安全导航所需感知的环境几何特征。

2 ORB - SLAM算法概述

2.1 ORB - SLAM简介 <