對(duì)很多移動(dòng)機(jī)器人來說，其所處的環(huán)境基本是未知的，構(gòu)建地圖需要機(jī)器人從未知環(huán)境的未知地點(diǎn)出發(fā)，在運(yùn)動(dòng)過程中通過重復(fù)觀測(cè)到的地圖特征（比如，墻角，柱子等）定位自身位置和姿態(tài)，再根據(jù)自身位置增量式的構(gòu)建地圖，從而達(dá)到同時(shí)定位和地圖構(gòu)建的目的，這即移動(dòng)機(jī)器人導(dǎo)航中常見的SLAM技術(shù)（同步定位與地圖構(gòu)建：Simultaneous localization and mapping）。掃地機(jī)器人的工作環(huán)境與一般的移動(dòng)機(jī)器人有所不同，它工作在室內(nèi)家庭環(huán)境中，在大的格局上一般不會(huì)變化，但是局部空間有時(shí)會(huì)產(chǎn)生一些變化（如座椅的挪動(dòng)，人、寵物的走動(dòng)等），需要機(jī)器人在工作中不斷的在原有地圖基礎(chǔ)上進(jìn)行地圖更新。
機(jī)器人環(huán)境地圖構(gòu)建問題可以這樣解釋：從某一位置開始，一個(gè)移動(dòng)機(jī)器人應(yīng)該能夠用其傳感器探索環(huán)境，獲知環(huán)境信息，解釋場(chǎng)景，通過一定的算法更新或構(gòu)建地圖。目前，有很多表示環(huán)境地圖的方法，對(duì)于機(jī)器人導(dǎo)航應(yīng)滿足以下三點(diǎn)要求：
1、便于計(jì)算機(jī)的處理
2、容易加入新的信息并更新地圖
3、機(jī)器人可以依靠該地圖信息完成特定的任務(wù)，如導(dǎo)航、搜索等等
常用的環(huán)境地圖可以大致分為三種：拓?fù)涞貓D、幾何地圖、柵格地圖。每種表示方法都有自己的優(yōu)點(diǎn)和缺點(diǎn)，下面分別進(jìn)行介紹。
1.拓?fù)涞貓D（Topological Map）
拓?fù)涞貓D是一種保持點(diǎn)與線相對(duì)位置關(guān)系正確而不一定保持圖形形狀與面積、距離、方向正確的抽象地圖，它經(jīng)過簡(jiǎn)化及調(diào)整，只保留重要信息。談到拓?fù)涞貓D大家可能會(huì)有些陌生，但是有一種拓?fù)涞貓D很多人要每天都與之打交道，那就是地鐵線路圖。現(xiàn)代的地鐵線路圖起源于哈利·貝克(Henry Charles Beck)在1931年繪制的倫敦地鐵路線圖，它上面沒有比例尺，兩點(diǎn)之間的相對(duì)位置及距離也不一定對(duì)應(yīng)實(shí)際的位置和距離，用不同顏色標(biāo)示地鐵路線以及沿線的各站，看起來清晰直觀，解決了原來按照實(shí)際地理比例導(dǎo)致的諸多問題。現(xiàn)在的地鐵線路圖大都是據(jù)此演變而來，哈利·貝克也因此聞名。
在機(jī)器人領(lǐng)域，拓?fù)涞貓D是一種簡(jiǎn)潔緊湊的環(huán)境建模表示方法，地圖中只包含節(jié)點(diǎn)和線段兩類元素。節(jié)點(diǎn)表示環(huán)境中如障礙物、起始點(diǎn)、轉(zhuǎn)角、充電基地等重要位置點(diǎn)，線段表示重要點(diǎn)之間的連接關(guān)系。拓?fù)涞貓D的復(fù)雜程度由環(huán)境中的重要位置點(diǎn)個(gè)數(shù)和重要置位點(diǎn)之間的連接關(guān)系決定。舉例說明，如果環(huán)境中只有兩個(gè)關(guān)鍵位置點(diǎn)，那么拓?fù)鋱D中只有兩個(gè)節(jié)點(diǎn)和至多一個(gè)線段；如果存在三個(gè)關(guān)鍵位置點(diǎn)，那么就存在三個(gè)節(jié)點(diǎn)和至多三條線段，以此類推在N個(gè)節(jié)點(diǎn)下，至多存在N(N-1)/2條線段。以拓?fù)涞貓D表示環(huán)境，忽略了環(huán)境中的幾何特征，位置信息也只是給予模糊描述。機(jī)器人只需要知道從哪個(gè)節(jié)點(diǎn)出發(fā)，到哪個(gè)節(jié)點(diǎn)終止，選擇哪條線路即可，對(duì)位置精度要求不高。
拓?fù)涞貓D抽象度高，特別在環(huán)境大而簡(jiǎn)單時(shí)。這種方法將環(huán)境表示為一張拓?fù)湟饬x中的圖，圖中的節(jié)點(diǎn)對(duì)應(yīng)于環(huán)境中的一個(gè)特征狀態(tài)、地點(diǎn)。如果節(jié)點(diǎn)間存在直接連接的路徑則相當(dāng)于圖中連接節(jié)點(diǎn)的弧。其優(yōu)點(diǎn)是：(1)有利于進(jìn)一步的路徑和任務(wù)規(guī)劃，(2)存儲(chǔ)和搜索空間都比較小，計(jì)算效率高，(3)可以使用很多現(xiàn)有成熟、高效的搜索和推理算法。缺點(diǎn)在于拓?fù)涞貓D的構(gòu)建要求節(jié)點(diǎn)特征明顯，對(duì)全覆蓋路徑規(guī)劃有一定局限性，對(duì)環(huán)境的描述信息有限，無法用于判斷是否已經(jīng)完成遍歷。在智能掃地機(jī)器人應(yīng)用中，拓?fù)涞貓D節(jié)點(diǎn)往往用位置坐標(biāo)作為特征，而地圖本身在表示單元域分割法中的單元域鏈接問題中有較為出色的應(yīng)用。
2.特征地圖（Feature-based Map）
特征地圖，也稱幾何地圖，是指對(duì)從機(jī)器人傳感器上采集到的環(huán)境信息進(jìn)行共性篩除、特征提取后，得到簡(jiǎn)單的幾何信息特征（例如點(diǎn)、線段、圓弧或曲線），以此為描述關(guān)鍵建立地圖的方法。這種表示法更為簡(jiǎn)單,便于障礙物的位姿信息估計(jì)和特征識(shí)別。在掃地機(jī)器人室內(nèi)應(yīng)用中，這些特征往往是門、墻、桌角等室內(nèi)障礙，而從傳感器的角度觀察，他們就是一些長(zhǎng)的反射面，寬度不不超過2米的通道或者是一個(gè)半徑15厘米的圓柱障礙物。創(chuàng)建特征地圖對(duì)傳感器的精度提出了一定的要求，一般采用一些帶有預(yù)處理或者信號(hào)變化的傳感器模塊完成。特征地圖定位準(zhǔn)確，模型易于由計(jì)算機(jī)描述和表示，參數(shù)化特征也適用于路徑規(guī)劃和軌跡控制，但特征法需要特征提取等預(yù)處理過程，對(duì)傳感器噪聲比較敏感，適于高度結(jié)構(gòu)化環(huán)境(如辦公室、教室及家庭等),特征地圖與路徑規(guī)劃方法中的模板匹配法也有很高的適應(yīng)性。
3.柵格地圖(Grid-based Map)
柵格地圖是一種對(duì)現(xiàn)實(shí)中真實(shí)地圖數(shù)字柵格化的產(chǎn)物。它將環(huán)境分解成一系列離散的柵格，每個(gè)柵格有一個(gè)值，柵格包含了坐標(biāo)、是否障礙兩類基本信息，用每一個(gè)柵格被占據(jù)的概率值來表示環(huán)境信息，一般標(biāo)識(shí)為是否是障礙物。每個(gè)地圖柵格都與實(shí)際環(huán)境中的一個(gè)小塊區(qū)域?qū)?yīng)，反映出環(huán)境的信息，易于機(jī)器人進(jìn)行地圖信息的存儲(chǔ)。柵格地圖可以詳細(xì)地描述環(huán)境信息，并且很容易創(chuàng)建和維護(hù)，但是在對(duì)環(huán)境劃分的柵格數(shù)量較少的情況下顯得精度不高，當(dāng)需要高精度的柵格地圖時(shí)，由于柵格的數(shù)量的增加，機(jī)器人對(duì)柵格地圖的維護(hù)和處理時(shí)間會(huì)呈現(xiàn)指數(shù)級(jí)的增長(zhǎng)，因此很難達(dá)到實(shí)時(shí)的效果。
柵格地圖是一種近似描述，易于創(chuàng)建和維護(hù)，對(duì)某個(gè)柵格的感知信息可直接與環(huán)境中的區(qū)域?qū)?yīng)，機(jī)器人對(duì)所測(cè)得的障礙物具體形狀不太敏感，特別適于處理超聲測(cè)量數(shù)據(jù)。但當(dāng)在大型環(huán)境中或網(wǎng)格單元?jiǎng)澐直容^細(xì)時(shí)，網(wǎng)格法計(jì)算量迅速增長(zhǎng)，需要大量?jī)?nèi)存單元，使計(jì)算機(jī)的實(shí)時(shí)處理變得很困難。
事實(shí)上，上述三種構(gòu)建環(huán)境地圖的方法，各有優(yōu)劣，目前還沒有哪一種能非常完整而又高效的對(duì)機(jī)器人所處環(huán)境進(jìn)行建模。為了揚(yáng)長(zhǎng)避短，使用混合地圖有時(shí)可以有效減輕單一地圖所帶來的問題。如采用幾何-拓?fù)浠旌檄h(huán)境地圖，這種混合方法在全局空間采取拓?fù)涿枋鲆员ＷC全局連續(xù)性，而具體局部環(huán)境中采用幾何表述則有利于移動(dòng)機(jī)器人精確定位的優(yōu)勢(shì)得以發(fā)揮。
選擇環(huán)境地圖的構(gòu)建方法時(shí)，不能僅考慮環(huán)境地圖建模，而是要綜合考慮機(jī)器人的定位、路徑規(guī)劃以及應(yīng)用場(chǎng)合的等多種因素。
