占用栅格地图(occupancy grid map)

机器人地图分类

• 尺度地图(metric map)：每一个地点都可以用坐标来表示，比如经纬度。
• 拓扑地图(topological map)：每一个地点用一个点来表示，用边来连接相邻的点，即图论中的图。
• 语义地图(semantic map)：每一个地点和道路都会用标签的集合来表示。

占用栅格地图(occupancy grid map)

在通常的尺度地图中，对于一个点，要么有障碍物，要么没有障碍物。在占据栅格地图中，对于一个点，用p(s=1)来表示它是free状态的概率，用p(s=0)来表示它是occupied的状态的概率，两者的和为1。
定义
$$Odd(s)=\frac{p(s=1)}{p(s=0)}$$
作为点的状态。当获得一个新的测量值 ( M e a s u r e m e n t , z   { 0 , 1 } ) (Measurement,z~\{0,1\}) (Measurement,z {0,1})时，更新
$$Odd(s|z)=\frac{p(s=1|z)}{p(s=0|z)}$$
$Odd(s|z)$表示在$z$繁盛的条件下$s$的状态。
根据贝叶斯公式，我们有:
$$p(s=1|z)=\frac{p(z|s=1)p(s=1)}{p(z)}$$
$$p(s=0|z)=\frac{p(z|s=0)p(s=0)}{p(z)}$$
带入之后，得:
$$Odd(s|z)=\frac{p(s=1|z)}{p(s=0|z)}=\frac{p(z|s=1)p(s=1)/p(z)}{p(z|s=0)p(s=0)/p(z)}=\frac{p(z|s=1)}{p(z|s=0)}Odd(s)$$
两边取对数得：
$$logOdds(s|z)=log\frac{p(z|s=1)}{p(z|s=1)}+logOdds(s)$$
这样，含有测量值的项就只剩下了$log\frac{p(z|s=1)}{p(z|s=0)}$,称这个比值为测量值模型$(measurementmodel)$，标记为$lomeas$。测量值的模型只有两种：
$$lofree=log\frac{p(z=0|s=1)}{p(z=0|s=0)}$$
$$looccu=log\frac{p(z=1|s=1)}{p(z=1|s=0)}$$
两者都是定值，这样，如果我们用$logOdd(s)$来表示位置$s$的状态$S$的话，我们的更新规则就进一步简化成了$S^{+}=S^{-}+lomeas$其中$S^{+}和S^{-}$分别表示测量值之后和之前$s$的状态。另外，在没有任何测量值的初始状态下，一个点的初始状态
$$S_{init}=logOdd(s)=log\frac{p(s=1)}{p(s=0)}=log\frac{0.5}{0.5}=0$$
经过这样的建模，更新一个点的状态就只需要做简单的加减法。
假设我们设定$looccu=0.9,lofree=-0.7$。那么，一个点状态的数值越大，就表示越肯定它是$Occupied$状态，相反数值越小，就表示越肯定它是$free$的状态。上图展示了用两个激光传感器的数据更新地图的过程。在结果中，一个点颜色越深越肯定它是$free$的，颜色越浅越肯定它是$occupied$的。

转自:https://zhuanlan.zhihu.com/p/21738718/