本论文主要介绍大规模半结构环境下的视觉机器人导航处理各种挑战，比如计算密集型路径规划算法或对可遍历空间的认识不足。此外许多先进的导航方法只能在本地运行而不是获得对规划目标的更多概念型理解。这限制了机器人可以完成的人物的复杂性，并且使得处理实时机器人应用环境中存在的不确定性变得更加困难。
再这项工作中，主要介绍了topomap,这是一个通过向机器人提供地图来简化导航任务的框架 ，该机器人是为路径规划而定制的。这种方法将基于稀疏特征的地图从SLAM系统转换成三维拓扑地图。分两步完成。首先直接从噪杂的稀疏点云中提出入住信息。然后创建一组凸自由空间聚类，这是拓扑图的项点。它提高了全局规划的效率，对现实世界数据进行规划表明，实现了与RRT*类似的功能，同时显著降低了计算时间和存储需求，
首先介绍了占用地图的缺点：计算要求高，含有噪声，代价高等。而topomap是一种轻量级的拓扑映射和导航方法，可解决上述问题的缺点。topomap是第一个旨在从稀疏视觉特征中提取自由空间来创建环境的拓扑地图表示的系统。这篇文章主要介绍了拓扑地图的表示，稀疏特征占用，紧凑的群集增长，凸集群合并，拓扑导航等。
本轮文主要介绍了topomap，一种创建多功能拓扑地图和可靠导航的新框架。可以处理噪杂和稀疏的视觉测量，大大降低硬件要求，