栅格地图就是把环境划分成一系列栅格，其中每一栅格给定一个可能值，表示该栅格被占据的概率，其中每个“像素”则表示了实际环境中存在障碍物的概率分布。
▲ 栅格地图的形成
这个过程听起来其实并不复杂，但是还是会遇到很多未知问题。比如建图闭环，如果匹配的算法不足够优秀，又或者是环境中遇到长直走廊、大场景建图干扰时，机器人绕着环境走一圈后，可能会发现原本应该闭合的一个环形走廊断开了。
▲ 环形走廊闭合断开
19年初，思岚科技就已经推出了SLAM 3．0系统来应对这种问题，当机器人运动到已经探索过的原环境时， SLAM 3．0可依赖内部的拓扑图进行主动式的闭环检测。当发现了新的闭环信息后，SLAM 3．0使用Bundle Adjuestment（BA）等算法对原先的位姿拓扑地图进行修正（即进行图优化），从而能有效的进行闭环后地图的修正，实现更加可靠的环境建图。
▲闭环修正
路径规划与运动控制
当定位和建图搞定之后，下一个就要解决移动的问题了，即目标点A到B之间的导航规划能力。
路径规划分为：全局规划和局部规划。
全局规划：是最上层的运动规划逻辑，它按照机器人预先记录的环境地图并结合机器人当前位姿以及任务目标点的位置，在地图上找到前往目标点最快捷的路径。
局部规划：当环境出现变化或者上层规划的路径不利于机器人实际行走的时候（比如机器人无法按照规划的路径完成特定转弯半径的转向），局部路径规划将做出微调。
▲分层级的运动规划框架以及对应输出数据
这两个层次的规划模块协同工作，机器人就可以很好的实现从A点到B点的智能移动了。不过实际工作环境下，上述配置还不够。因为运动规划的过程中还包含静态地图和动态地图两种情况。
