本文來自Coursera（Robotics：Estimation and Learning）
主要講：機器人世界使用的幾種地圖
占據柵格地圖的表示方法與更新方法
利用激光傳感器數據構建占據柵格地圖
1、機器人地圖分類
尺度地圖：坐標、經度緯度等
拓撲地圖：用於路徑規划
語義地圖：用於人機交互
2、柵格地圖
機器人常用的一種地圖表示法。
機器人經常使用激光傳感器，但是並不能穩定的觀測一個點的距離，比如一個角度下，檢測到障礙物時4m，但是下一刻檢測的是4.1m，我們不能將兩個距離的位置double認為是障礙物，所以我們要采用柵格地圖。
對一般的地圖來講，地圖上某一個點要么有障礙物要么沒有，但是在柵格地圖中，對於一個點我們把他是空free的概率表示為p（s = 1），有障礙物表示為p（s = 0），兩者的概率和為1.
兩個值表達比較麻煩，因為稍后我們可能根據概率把這個點定位占據狀態或者空閑狀態，我們就用兩個概率的比值表示就可以。
，這就是表示空的概率比上占據概率，整個值越大，空概率越高。
對於一個點，現在，來了一個新的測量值
，測量值也在這個點上有概率計算。
那么比值公式可以更新一下：
，在新的測量事件下，空的概率，占據的概率，比值大小。
根據貝葉斯公式，
代入比值公式：
通過取對數化簡一下：
（個人意見，其實取對數挺好的，之前比值范圍是0-無窮，兩比值相等的時候是1，現在取完對數后，值范圍是負無窮到正無窮，0為中間值）
上面那個含有測量值的項稱之為測量值模型，標記為lomeas，測量值的模型有兩種，占據和非占據，都為定值：
和
一句話就是位置S的狀態，之前的加上lomeas等候之后的S狀態。
在沒有任何測量下，一個點的初始狀態
Sinit=logOdd（s）=log（0.5/0.5）=0；
經過這樣一些數學處理后，一個點得狀態我們只需要做簡單的加減法就可以了。
每一次掃描激光后，每個格子的概率疊加，每個格子概率越大越是占據狀態，越小越是空余狀態。
3、利用激光傳感器構建占據柵格地圖
這段講利用激光傳感器構建柵格地圖的細節；
編寫函數：function maMap = occGridMapping（ranges，scanAngles， pose， param）
其中，scanAngles是一個N*1的數組，表示激光傳感器N個方向的夾角，ranges是K*N的數組，表示N個時間采樣點激光傳感器的讀數（距離障礙物距離）；pose是3*N的數組，表示N個時間采樣點，機器人的位置和朝向信息；param是一些傳入參數，param.origin是機器人起點，param.lo_occ和param.lo_free分別表示占據值和空余值，而param.max與param.min 表示位置狀態閾值，超過了則為閾值便捷，param.resol表示地圖的分辨率，即實際地圖中一米所表示的格點數目，param.size表示地圖的大小。