基于OpenStreetMap生成2D Occupancy Grid Map用于机器人定位的可行性问询

阿华AIGC实验室

2026-5-20

实现从OpenStreetMap生成2D占据栅格地图（OGM）的方案

Hey there! Great question—yes, absolutely, you can build a program that generates a 2D Occupancy Grid Map (OGM) from OpenStreetMap (OSM) data (including XML inputs) for robot localization, and you can reliably distinguish between occupied (buildings) and free (streets) cells. Let’s break this down step by step:

1. 核心可行性：为什么OSM能满足需求

OSM存储了带明确标签的丰富空间数据，比如标记为building=*的建筑、highway=*的道路/街道——这正好对应我们需要的「占据栅格」和「空闲栅格」。
这种方式生成的OGM非常适合户外机器人定位场景，不过你可能需要做一些后处理来覆盖OSM未标记的小障碍等边缘情况。

2. 区分建筑（占据）与街道（空闲）的关键逻辑

核心是利用OSM的标签系统过滤特征：

占据栅格：映射所有带building=yes、building=residential、building=commercial等标签的多边形，这些代表机器人无法穿越的实体结构。
空闲栅格：映射带highway=motorway、highway=primary、highway=pedestrian等标签的线性或多边形特征；如果你的机器人能在草坪、公园等区域移动，也可以把landuse=grass、landuse=park标记为空闲。
自定义适配：根据机器人的能力调整规则，比如如果机器人无法走人行道，就忽略highway=footway标签；如果想把车道视为空闲，就过滤掉building=garage这类标签。

3. 支持XML输入的程序实现流程

这里是一个高层面的工作流：

解析OSM XML：用成熟的库读取XML文件，比如Python的osmnx、C++的libosmium、Node.js的node-osmium，它们能高效处理OSM的节点、路径和关系数据。
坐标转换：OSM默认用WGS84（经纬度），需要转换为局部笛卡尔坐标系（比如UTM），这样才能创建单元格大小均匀的栅格（比如0.5m×0.5m或1m×1m）。
特征栅格化：
- 建筑多边形：将对应栅格标记为占据（通常用100%概率表示，或二进制栅格中的1）。
- 道路/街道的线/多边形：将对应栅格标记为空闲（0%概率，或二进制栅格中的0）。
- 处理重叠特征（比如建筑覆盖道路）时，优先标记为占据栅格。
输出OGM：将栅格导出为机器人框架常用的格式，比如.pgm（便携式灰度图，ROS等框架广泛支持），也可以自定义二进制格式。同时建议生成元数据文件（比如ROS的.yaml），指定单元格大小、原点等参数。

4. 示例代码片段（Python）

用osmnx和numpy快速实现核心逻辑：

import osmnx as ox
import numpy as np
from PIL import Image, ImageDraw

# 加载本地OSM XML文件（或指定区域下载）
# 若用本地XML：graph = ox.graph_from_xml("your_map.osm", custom_filter={"building": True, "highway": True})
place = "Your Target Area"
tags = {"building": True, "highway": True}
graph = ox.graph_from_place(place, custom_filter=tags)
nodes, edges = ox.graph_to_gdfs(graph)
buildings = ox.geometries_from_place(place, tags={"building": True})

# 转换为UTM坐标系
buildings_proj = ox.project_gdf(buildings)
edges_proj = ox.project_gdf(edges)

# 定义栅格参数
cell_size = 1  # 每个单元格代表1米
x_min, y_min, x_max, y_max = buildings_proj.total_bounds
width = int((x_max - x_min) / cell_size)
height = int((y_max - y_min) / cell_size)

# 初始化栅格：0=空闲，255=占据
grid = np.zeros((height, width), dtype=np.uint8)

# 栅格化建筑
for geom in buildings_proj.geometry:
    coords = np.array(geom.exterior.coords)
    x_coords = ((coords[:, 0] - x_min) / cell_size).astype(int)
    y_coords = ((y_max - coords[:, 1]) / cell_size).astype(int)  # 翻转y轴适配图像坐标系
    img = Image.fromarray(grid)
    draw = ImageDraw.Draw(img)
    draw.polygon(list(zip(x_coords, y_coords)), fill=255)
    grid = np.array(img)

# 栅格化道路（标记为空闲，覆盖可能的重叠）
for geom in edges_proj.geometry:
    coords = np.array(geom.coords)
    x_coords = ((coords[:, 0] - x_min) / cell_size).astype(int)
    y_coords = ((y_max - coords[:, 1]) / cell_size).astype(int)
    img = Image.fromarray(grid)
    draw = ImageDraw.Draw(img)
    draw.line(list(zip(x_coords, y_coords)), fill=0, width=3)  # 根据道路宽度调整线宽
    grid = np.array(img)

# 保存为PGM格式的OGM
Image.fromarray(grid).save("occupancy_grid.pgm")