占据栅格地图（Occupancy Grid Map）

占用栅格地图基础概念

上图就是一个ROS中的占据栅格地图显示

栅格地图定义 ：栅格地图就是用一个个栅格组成的网格来代表地图. 栅格里可以存储不同的数值, 代表这个栅格的不同含义.

ROS的栅格地图使用

白色代表空闲，也就是可通过区域，其存储的值为 0；
黑色代表占用，也就是不可通过区域，其存储的值为 100；
灰色代表未知，就是说目前还不清楚这个栅格是否可以通过，其存储的值为 -1．

占据栅格地图的数学模型

占据率（Occupancy）
在通常的尺度地图中，对于一个点，它要么有（Occupied状态）障碍物，要么没有（Free状态）障碍物
在占据栅格地图中，对于一个点，用p(s=0)p(s=0)p(s=0)来表示它是Free状态的概率;

用p(s=1)p(s=1)p(s=1)来表示它是Occupied状态的概率.两者的和为1

引入两者的比值来作为点的状态：Odd(s)=p(s=1)p(s=0)Odd(s)=\frac{p(s=1)}{p(s=0)}Odd(s)=p(s=0)p(s=1)

对于一个点，新来了一个测量值,之后我们需要更新它的状态,假设测量值来之前，该点的状态为Odd(s)Odd(s)Odd(s)，
我们要更新它为：Odd(s∣z)=p(s=1∣z)p(s=0∣z)Odd(s|z)=\frac{p(s=1|z)}{p(s=0|z)}Odd(s∣z)=p(s=0∣z)p(s=1∣z)
这种表达方式类似于条件概率，表示在发生z的条件下s的状态。

根据贝叶斯公式，我们有：
p(s=1∣z)=p(z∣s=1)p(s=1)p(z)p(s=1|z)=\frac{p(z|s=1)p(s=1)}{p(z)}p(s=1∣z)=p(z)p(z∣s=1)p(s=1)
p(s=0∣z)=p(z∣s=0)p(s=0)p(z)p(s=0|z)=\frac{p(z|s=0)p(s=0)}{p(z)}p(s=0∣z)=p(z)p(z∣s=0)p(s=0)

带入Odd(s∣z)Odd(s|z)Odd(s∣z)中得到
Odd(s∣z)=p(s=1∣z)p(s=0∣z)=p(z∣s=1)p(s=1)/p(z)p(z∣s=0)p(s=0)/p(z)=p(z∣s=1)p(z∣s=0)Odd(s)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) Odd(s∣z)=p(s=0∣z)p(s=1∣z)=p(z∣s=0)p(s=0)/p(z)p(z∣s=1)p(s=1)/p(z)=p(z∣s=0)p(z∣s=1)Odd(s)

对两边取对数得：

logOdd(s∣z)=logp(z∣s=1)p(z∣s=0)+logOdd(s)logOdd(s|z)=log\frac{p(z|s=1)}{p(z|s=0)}+logOdd(s) logOdd(s∣z)=logp(z∣s=0)p(z∣s=1)+logOdd(s)

这样，含有测量值的项就只剩下了logp(z∣s=1)p(z∣s=0)log\frac{p(z|s=1)}{p(z|s=0)}logp(z∣s=0)p(z∣s=1)称这个比值为测量值的模型,标记为lomeaslomeaslomeas
测量值的模型只有两种lofree=logp(z=0∣s=1)p(z=0∣s=0)lofree=log\frac{p(z=0|s=1)}{p(z=0|s=0)}lofree=logp(z=0∣s=0)p(z=0∣s=1)和looccu=logp(z=1∣s=1)p(z=1∣s=0)looccu=log\frac{p(z=1|s=1)}{p(z=1|s=0)}looccu=logp(z=1∣s=0)p(z=1∣s=1)

这样，如果我们用Odd(s)Odd(s)Odd(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−+lomeasS^+=S^-+lomeasS+=S−+lomeas
其中S+S^+S+和S−S^-S−分别表示测量值之后和之前的状态。

另外，在没有任何测量值的初始状态下，一个点的初始状态Sinit=logOdd(s)=logp(s=1)p(s=0)=log0.50.5=0S_{init}=logOdd(s)=log\frac{p(s=1)}{p(s=0)}=log\frac{0.5}{0.5}=0Sinit=logOdd(s)=logp(s=0)p(s=1)=log0.50.5=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了。

例如
假设我们设定looccu=0.9looccu=0.9looccu=0.9 lofree=−0.7lofree=-0.7lofree=−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状态。

上图就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，一个点颜色越深表示越肯定它是Free的，颜色越浅表示越肯定它是Occupied的。

ROS中使用OccupancyGrid

在ros中的数据格式定义如下：（官网链接）

std_msgs/Header header
nav_msgs/MapMetaData info
int8[] data

后续
详情参考 古月居

机器人导航必备的栅格地图数学模型及使用相关推荐

Python实现占用栅格地图的生成（Occupancy Grid Generation）
本文的算法细节及推导可以参考Sebastian Thrun的<概率机器人>中占用栅格地图构建部分. 1. 导入所需要的库 import numpy as np import math im ...
【路径规划】基于matlab蚁群优化遗传算法机器人栅格地图最短路径规划【含Matlab源码 1581期】
⛄一.简介路径规划是实现移动机器人自主导航的关键技术,是指在有障碍物的环境中,按照一定的评价标准(如距离.时间.能耗等),寻找到一条从起始点到目标点的无碰撞路径,这里选取最短距离路径规划的评价标准, ...
【路径规划】基于matlab蚁群算法机器人栅格地图最短路径规划【含Matlab源码 119期】
⛄一.简介路径规划是实现移动机器人自主导航的关键技术,是指在有障碍物的环境中,按照一定的评价标准(如距离.时间.能耗等),寻找到一条从起始点到目标点的无碰撞路径,这里选取最短距离路径规划的评价标准, ...
【路径规划】基于matlab蚁群算法机器人栅格地图最短路径规划【含Matlab源码 1580期】
⛄一.简介路径规划是实现移动机器人自主导航的关键技术,是指在有障碍物的环境中,按照一定的评价标准(如距离.时间.能耗等),寻找到一条从起始点到目标点的无碰撞路径,这里选取最短距离路径规划的评价标准, ...
【路径规划】基于matlab灰狼算法机器人栅格地图最短路径规划【含Matlab源码 2334期】
⛄一.灰狼算法的厂房巡检机器人路径规划简介 0 引言近年来,我国各行各业的不断发展使相关工作流程得到了完善,其中巡检岗位是一个不可或缺的职位,尤其是在电厂.燃气厂房和煤矿等危险领域中的工作,更不能缺 ...
【路径规划】基于matlab灰狼算法机器人栅格地图最短路径规划【含Matlab源码 1761期】
⛄一.灰狼算法的厂房巡检机器人路径规划简介 0 引言近年来,我国各行各业的不断发展使相关工作流程得到了完善,其中巡检岗位是一个不可或缺的职位,尤其是在电厂.燃气厂房和煤矿等危险领域中的工作,更不能缺 ...
概率机器人总结——占用栅格地图先实践再推导
概率机器人总结--占用栅格地图先实践再推导概率机器人总结--占用栅格地图构建先实践再推导实践过程伪代码分析真代码分析推导过程静态二值贝叶斯滤波概率机器人总结--占用栅格地图构建先实践再推 ...
机器人学习--栅格地图（occupancy grid map）构建（部分代码解析）
转自: 占据栅格地图构建(Occupancy Grid Map) - 知乎占据栅格地图构建(Occupancy Grid Map)_「小白学移动机器人」一个专注分享移动机器人相关知识的公众号!-CS ...
机器人学习--从路径规划侧面看栅格地图
移动机器人路径规划--很多种算法,如果有计算机学科基础的话,可以参考数据结构中的深度优先算法或者广度优先算法 https://zhuanlan.zhihu.com/p/51112799 https:/ ...

机器人导航必备的栅格地图数学模型及使用