Операционная система робота (ROS) является коммуникационным интерфейсом, который позволяет различным частям системы робота обнаружить, отправить и получить данные. Поддержка MATLAB® ROS является библиотекой функций, которая позволяет вам обмениваться данными с поддерживающими ROS физическими роботами или средствами моделирования робота, такими как Gazebo®.

Сеть ROS состоит из одного ведущего устройства ROS и нескольких узлов ROS. Ведущее устройство ROS упрощает коммуникацию в сети ROS путем отслеживания все активные сущности ROS. Каждый узел должен указать с ведущим устройством ROS, чтобы смочь связаться с остальной частью сети. MATLAB® может запустить ведущее устройство ROS, или ведущее устройство может быть запущено за пределами MATLAB (например, на различном компьютере). Все узлы ROS указывают с ведущим устройством и объявляют сетевой адрес, где они могут быть достигнуты.

Помогает вам исследовать основную автономию с TurtleBot®. Описанное поведение управляет роботом вперед и изменяет его направление, когда существует препятствие. Вы подпишетесь на лазерную тему сканирования и опубликуете скоростную тему, чтобы управлять TurtleBot.

В этом примере вы исследуете автономное поведение, которое включает камеру Kinect®. Этот алгоритм включает TurtleBot®, ища синий шар и затем оставаясь в фиксированном расстоянии от шара. Вы включаете функции безопасности, такие как обнаружение утеса и удар.

Исследует управление MATLAB® Средства моделирования Gazebo®.

Операционная система робота (ROS) является коммуникационным интерфейсом, который позволяет различным частям системы робота обнаружить, отправить и получить данные. Поддержка MATLAB® ROS является библиотекой функций, которая позволяет вам обмениваться данными с поддерживающими ROS физическими роботами или средствами моделирования робота, такими как Gazebo®.

Настройте механизм средства моделирования Gazebo®. Этот пример готовит вас к дальнейшему исследованию с Gazebo и также для исследования с моделируемым TurtleBot®.

Первичный механизм для узлов ROS, чтобы обмениваться данными должен отправить и получить сообщения. Сообщения передаются по теме, и каждая тема имеет уникальное имя в сети ROS. Если узел захочет поделиться информацией, он будет использовать издателя, чтобы отправить данные в тему. Узел, который хочет получить ту информацию, будет использовать подписчика на ту же самую тему. Помимо ее уникального имени, каждая тема также имеет тип сообщения, который определяет типы сообщений, которым позволяют быть переданными.

Сообщения являются первичным контейнером для обмена данными в ROS. Темы (см., обмениваются Данными с Издателями ROS и Подписчиками), и сервисы (см. Call and Provide ROS Services), сообщения использования, чтобы нести данные между узлами.

Rosbag или сумка являются форматом файла в ROS для того, чтобы хранить данные о сообщении. Эти сумки часто создаются, подписываясь на одну или несколько тем ROS и храня полученные данные о сообщении в эффективной файловой структуре. MATLAB® может считать эти rosbag файлы и справку с фильтрацией и извлечением данных о сообщении. Смотрите Файлы журнала ROS (rosbags) для получения дополнительной информации о поддержке rosbag в MATLAB.

Сгенерируйте и создайте автономный узел ROS из модели Simulink.

Первичный механизм для узлов ROS, чтобы обмениваться данными должен отправить и получить сообщения. Сообщения передаются по теме, и каждая тема имеет уникальное имя в сети ROS. Если узел захочет поделиться информацией, он будет использовать издателя, чтобы отправить данные в тему. Узел, который хочет получить ту информацию, будет использовать подписчика на ту же самую тему. Помимо ее уникального имени, каждая тема также имеет тип сообщения, который определяет типы сообщений, которым позволяют быть переданными.

Сообщения являются первичным контейнером для обмена данными в ROS. Темы (см., обмениваются Данными с Издателями ROS и Подписчиками), и сервисы (см. Call and Provide ROS Services), сообщения использования, чтобы нести данные между узлами.

Некоторые обычно используемые сообщения ROS хранят данные в формате, который требует некоторого преобразования, прежде чем это сможет использоваться для последующей обработки. MATLAB® может помочь, вы путем форматирования их специализировали сообщения ROS для легкого использования. В этом примере можно исследовать, как обработаны типы сообщений для лазерных сканирований, несжатых и сжатых изображений и облак точек.

Преобразуйте лазерные данные сканирования с помощью дерева преобразования ROS. При работе с лазерными данными сканирования датчик не может быть смонтирован в центре робота. Много алгоритмов делают это предположение, так, чтобы вы могли должны быть преобразовать свои данные, таким образом, это относительно центра робота. Этот пример использует дерево преобразования ROS, чтобы получить преобразования между различными координатными кадрами. Чтобы преобразовать данные о датчике, вы должны быть соединены с сетью ROS и иметь преобразования в наличии.

Rosbag или сумка являются форматом файла в ROS для того, чтобы хранить данные о сообщении. Эти сумки часто создаются, подписываясь на одну или несколько тем ROS и храня полученные данные о сообщении в эффективной файловой структуре. MATLAB® может считать эти rosbag файлы и справку с фильтрацией и извлечением данных о сообщении. Смотрите Файлы журнала ROS (rosbags) для получения дополнительной информации о поддержке rosbag в MATLAB.

Демонстрирует, как вычислить препятствие свободный путь между двумя местами на данной карте с помощью Вероятностной Дорожной карты (PRM) планировщик пути. Планировщик пути PRM создает дорожную карту в свободном пространстве данной карты, использующей случайным образом выбранные узлы в свободном пространстве и соединяющей их друг с другом. Если дорожная карта была создана, можно запросить для пути от данного местоположения запуска до данного местоположения конца на карте.

Создайте карту среды с помощью показаний датчика области значений, если положение робота известно во время чтения датчика. Этот пример также показывает, как использовать функции преобразования (такие как quat2eul) от Robotics System Toolbox™.

Используйте сканирование, соответствующее, чтобы составить серию лазерных сканирований

Уменьшайте дрейф в предполагаемой траектории (местоположение и ориентация) монокулярной камеры с помощью 3-D оптимизации графика положения. В этом примере вы создаете карту заполнения из изображений глубины, которые могут использоваться для планирования пути при навигации в той среде.

Демонстрирует, как управлять роботом, чтобы следовать за желаемым путем с помощью Средства моделирования Робота. Пример использует Чистый контроллер следования траектории Преследования, чтобы управлять моделируемым роботом вдоль предопределенного пути. Желаемый путь является набором waypoints заданное явным образом или вычисленное использование планировщика пути (обратитесь к Планированию пути в Среде Различной Сложности). Чистый контроллер следования траектории Преследования для моделируемого робота с дифференциальным приводом создается и вычисляет команды управления, чтобы следовать за данным путем. Вычисленные команды управления используются, чтобы управлять моделируемым роботом вдоль желаемой траектории, чтобы следовать за желаемым путем на основе Чистого контроллера Преследования.

Используйте TurtleBot® с Векторным полем Histograms (VFH), чтобы выполнить предотвращение препятствия при управлении роботом в среде. Блуждания робота путем управления вперед до препятствий мешают. Робототехника. Класс VectorFieldHistogram вычисляет держащиеся направления, чтобы избежать объектов при попытке управлять вперед.

Фильтр частиц является основанным на выборке рекурсивным Байесовым алгоритмом оценки. Это реализовано в робототехнике. ParticleFilter. В Локализовать TurtleBot с помощью примера Локализации Монте-Карло мы видели приложение фильтра частиц, чтобы отследить положение робота против известной карты. Измерение сделано через 2D лазерное сканирование. В этом примере сценарий немного отличается: подобный автомобилю робот с дистанционным управлением прослеживается в наружной среде. Измерение положения робота теперь обеспечивается встроенным GPS, который является шумным. Мы также знаем команды движения, отправленные в робота, но робот не выполнит точное движение, которым управляют, из-за слаксов механической детали и/или образцовой погрешности. Этот пример покажет, как использовать робототехнику. ParticleFilter, чтобы уменьшать эффекты шума в данных об измерении и получить более точную оценку положения робота. Кинематическая модель подобного автомобилю робота описана следующей нелинейной системой. Фильтр частиц идеально подходит для оценки состояния такого вида систем, когда это может иметь дело со свойственной нелинейностью.

Демонстрирует применение алгоритма Локализации Монте-Карло (MCL) на TurtleBot® в моделируемой среде Gazebo®.

Уменьшайте дрейф в предполагаемой траектории (местоположение и ориентация) монокулярной камеры с помощью 3-D оптимизации графика положения.

Демонстрирует, как реализовать алгоритм Одновременной локализации и отображения (SLAM) на собранной серии сканирований лазерного дальномера с помощью оптимизации графика положения. Цель этого примера состоит в том, чтобы создать карту среды с помощью сканирований лазерного дальномера и получить траекторию робота.

Демонстрирует, как реализовать алгоритм Одновременной локализации и отображения (SLAM) на сканированиях лазерного дальномера, полученных из моделируемой среды с помощью оптимизации графика положения.

Проследите 2D круговой путь Используя манипулятор робота

Решите инверсную кинематику для связи с четырьмя панелями, простой плоской связи закрытой цепочки. Robotics System Toolbox™ непосредственно не поддерживает механизмы с обратной связью. Однако закрывающие цикл соединения могут быть аппроксимированы с помощью кинематических ограничений. Этот пример показывает, как установить дерево твердого тела для связи с четырьмя панелями, задать кинематические ограничения и решить для желаемого положения исполнительного элемента конца.

Демонстрирует, как блок Inverse Kinematics может управлять манипулятором вдоль заданной траектории. Желаемая траектория задана как серия плотно распределенных положений для исполнительного элемента конца манипулятора. Генерация траектории и waypoint определение представляют много приложений робототехники как выбор и операция места, вычисляя траектории от пространственного ускорения и скоростных профилей, или даже имитируя внешние наблюдения за ключевыми кадрами с помощью камер и компьютерного зрения. Если траектория сгенерирована, блок Inverse Kinematics используется, чтобы перевести это в объединенную пространственную траекторию, которая может затем использоваться, чтобы моделировать динамику манипулятора и контроллера.

Отправьте команды в автоматизированные манипуляторы в MATLAB®. Объединенные команды положения отправляются через клиент действия ROS по сети ROS. Этот пример также показывает, как вычислить объединенные положения для желаемого положения исполнительного элемента конца. Дерево твердого тела задает геометрию робота и объединенные ограничения, который используется с инверсной кинематикой, чтобы получить положения соединения робота. Можно затем отправить эти объединенные позиции траектории, чтобы управлять, чтобы робот переместился.

Используйте обобщенную инверсную кинематику, чтобы запланировать объединенную пространственную траекторию автоматизированный манипулятор. Это комбинирует несколько ограничений, чтобы сгенерировать траекторию, которая ведет механизм захвата к опоре чашки на таблицу. Эти ограничения гарантируют, что механизм захвата приближается к чашке в прямой линии и что механизм захвата остается на безопасном расстоянии от таблицы, не требуя, чтобы положения механизма захвата были определены заранее.

Учитывая набор желаемой объединенной настройки waypoints и управляемого крутящим моментом манипулятора, этот пример показывает, как реализовать контроллер вычисленного крутящего момента, использующий функцию inverseDynamics. Контроллер позволяет роботу следовать за данной настройкой waypoints вдоль сглаженной траектории.

Используйте Simulink® с блоками алгоритма манипулятора Robotics System Toolbox™, чтобы достигнуть безопасного управления отслеживанием траектории для моделируемого робота, запускающегося в Simscape™ Multibody™.

Проследите предопределенную 3-D форму на пробеле. После сглаженного, отличного пути полезно во многих приложениях робототехники, таких как сварка, производство или контроль. 3-D траектория решена на пробеле задачи для трассировки мембраны MATLAB® и выполняется с помощью робота Сойера от Rethink Robotics®. Цель состоит в том, чтобы сгенерировать сглаженный путь для исполнительного элемента конца fo робот, чтобы следовать базирующийся.

Имитационным моделям часто нужны разные уровни точности во время различных стадий разработки. Во время этапа быстрого прототипирования мы хотели бы быстро экспериментировать и настройки параметров, чтобы протестировать различные автономные алгоритмы. Во время производственной стадии разработки мы хотели бы подтвердить наши алгоритмы против моделей увеличивающейся точности. В этом примере мы демонстрируем метод, чтобы аппроксимировать высокочастотную модель с блоком Model Руководства UAV и использовать его, чтобы моделировать и настроить waypoint после системы навигации. Смотрите Настройку Последователь Waypoint для Fixed-Wing UAV. Та же система навигации тестируется против высокочастотной модели, чтобы проверить ее производительность.

Разрабатывает waypoint после контроллера для беспилотного воздушного автомобиля (UAV) фиксированного крыла с помощью Модели Руководства UAV и блоков Последователя UAV Waypoint от Библиотеки UAV для Robotics System Toolbox.

Загрузите телеметрический журнал (TLOG), содержащий пакеты MAVLink в MATLAB®. Детали сообщений извлечены для графического вывода. Затем чтобы моделировать рейс снова, сообщения переизданы по коммуникационному интерфейсу MAVLink. Эта публикация подражает беспилотному воздушному автомобилю (UAV), выполняющему рейс, зарегистрированный в tlog.

Используйте протокол параметра MAVLink в MATLAB и свяжитесь с внешними станциями наземного управления. Демонстрационный протокол параметра предоставлен для отправки обновлений параметра от моделируемого беспилотного воздушного автомобиля (UAV) до станции наземного управления с помощью протоколов связи MAVLink. Вы устанавливаете связь между двумя компонентами MAVLink, UAV и станцией наземного управления. Затем вы отправляете и получаете обновления параметра значений настройки параметров для UAV. Наконец, если вы используете QGroundControl© в качестве станции наземного управления, можно получить эти обновления параметра от QGroundControl и видеть их отраженный в окне программы.

Сгенерируйте и создайте автономный узел ROS из модели Simulink.