Алгоритмы наземного транспортного средства

Отображение, локализация, SLAM, планирование пути, следование траектории, оценка состояния

Эти алгоритмы Robotics System Toolbox™ фокусируются на мобильных приложениях робототехники (т.е. наземные транспортные средства). Эти классы помогают вам с целым мобильным рабочим процессом робототехники. Можно создать карты сред с помощью сеток заполнения, выполнить одновременную локализацию и отображение (SLAM), разработать планирование пути для роботов в данной среде и настроить контроллеры, чтобы следовать за набором waypoints. Кроме того, можно выполнить предотвращение препятствия, оценку состояния и локализацию на основе данных о датчике из робота.

Функции

развернуть все

buildMapСоздайте сетку заполнения из сканирований лазерного дальномера
readBinaryOccupancyGridСчитайте бинарную сетку заполнения
writeBinaryOccupancyGridЗапишите значения от сетки до сообщения ROS
readOccupancyGridСчитайте сообщение сетки заполнения
writeOccupancyGridЗапишите значения от сетки до сообщения ROS
readOccupancyMap3DСчитайте 3-D карту из сообщения Octomap ROS
lidarScanСоздайте объект для хранения 2D сканирования лазерного дальномера
matchScansОцените положение между двумя лазерными сканированиями
matchScansGridОцените положение между двумя сканированиями лазерного дальномера с помощью основанного на сетке поиска
plotОтобразите лазер или лоцируйте показания сканирования
removeInvalidDataУдалите недопустимую область значений и угловые данные
transformScanПреобразуйте лазерное сканирование на основе относительного положения
connectСоедините положения для данного типа подключения
interpolateИнтерполируйте положения вдоль сегмента пути
showВизуализируйте сегмент пути
optimizePoseGraphОптимизируйте узлы в графике положения
addRelativePoseДобавьте относительное положение, чтобы изложить график
edgesРебра в графике положения
edgeConstraintsОграничения ребра в графике положения
findEdgeIDНайдите ID ребра ребра
nodesПоложения узлов в графике положения
removeEdgesУдалите ребра закрытия цикла из графика
showПостройте график положения

Классы

развернуть все

robotics.LidarSLAM Выполните локализацию и сопоставляющий использующий сканирования лазерного дальномера
robotics.MonteCarloLocalizationЛокализуйте робота с помощью данных о датчике области значений и карты
robotics.BinaryOccupancyGridСоздайте сетку заполнения с двоичными значениями
robotics.OccupancyGridСоздайте сетку заполнения с вероятностными значениями
robotics.OccupancyMap3D Создайте 3-D карту заполнения
robotics.OdometryMotionModelСоздайте модель движения одометрии
robotics.ParticleFilterСоздайте средство оценки состояния фильтра частиц
robotics.PoseGraph Создайте 2D график положения
robotics.PoseGraph3D Создайте 3-D график положения
robotics.DubinsConnectionТип подключения пути Dubins
robotics.DubinsPathSegmentСегмент пути Dubins, соединяющий два положения
robotics.ReedsSheppConnectionТип подключения пути тростников-Shepp
robotics.ReedsSheppPathSegmentСегмент пути тростников-Shepp, соединяющий два положения
robotics.PRMСоздайте вероятностного планировщика пути к дорожной карте
robotics.PurePursuitСоздайте контроллер, чтобы следовать за набором waypoints
robotics.VectorFieldHistogramИзбегайте препятствий с помощью векторной полевой гистограммы

Приложения

SLAM Map BuilderСоздайте 2D карты сетки с помощью основанного на лазерном дальномере SLAM

Блоки

Pure PursuitЛинейная и угловая скорость управляет командами
Vector Field HistogramИзбегайте препятствий с помощью векторной полевой гистограммы

Темы

Отображение и планирование пути

Сетки заполнения

Детали функциональности сетки заполнения и структуры карты.

Вероятностные дорожные карты (PRM)

Как алгоритм PRM работает и определенные настраивающие параметры.

Планирование пути в среде различной сложности

Этот пример демонстрирует, как вычислить препятствие свободный путь между двумя местами на данной карте с помощью Вероятностной Дорожной карты (PRM) планировщик пути.

Построение карты при известном местоположении

Этот пример показывает, как создать карту среды с помощью показаний датчика области значений, если положение робота известно во время чтения датчика.

Составьте серию лазерных сканирований с изменениями положения

Используйте сканирование, соответствующее, чтобы составить серию лазерных сканирований

Создайте карту заполнения из изображений глубины Используя визуальную одометрию и оптимизированный график положения

Этот пример показывает, как уменьшать дрейф в предполагаемой траектории (местоположение и ориентация) монокулярной камеры с помощью 3-D оптимизации графика положения.

Управление роботом

Чистый контроллер преследования

Чистый Контроллер Преследования функциональность и детали алгоритма.

Следование траектории для робота с дифференциальным приводом

Этот пример демонстрирует, как управлять роботом, чтобы следовать за желаемым путем с помощью Средства моделирования Робота.

Векторное поле Histogram

Детали алгоритма VFH и настраиваемые свойства.

Предотвращение препятствия с TurtleBot и VFH

Этот пример показывает, как использовать TurtleBot® с Векторным полем Histograms (VFH), чтобы выполнить предотвращение препятствия при управлении роботом в среде.

Оценка состояния

Параметры фильтра частиц

particle filter является рекурсивным, Байесовым средством оценки состояния, которое использует дискретные частицы, чтобы аппроксимировать апостериорное распределение предполагаемого состояния.

Рабочий процесс фильтра частиц

particle filter является рекурсивным, Байесовым средством оценки состояния, которое использует дискретные частицы, чтобы аппроксимировать апостериорное распределение предполагаемого состояния.

Отследите подобный автомобилю робот используя фильтр частиц

Фильтр частиц является основанным на выборке рекурсивным Байесовым алгоритмом оценки.

Алгоритм локализации Монте-Карло

Алгоритм Локализации Монте-Карло (MCL) используется, чтобы оценить положение и ориентацию робота.

Локализуйте TurtleBot Используя локализацию Монте-Карло

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

Уменьшайте дрейф в 3-D визуальной траектории одометрии Используя графики положения

Этот пример показывает, как уменьшать дрейф в предполагаемой траектории (местоположение и ориентация) монокулярной камеры с помощью 3-D оптимизации графика положения.

Локализация и отображение

Реализуйте Одновременную локализацию и отображение (SLAM) со сканированиями лазерного дальномера

Этот пример демонстрирует, как реализовать алгоритм Одновременной локализации и отображения (SLAM) на собранной серии сканирований лазерного дальномера с помощью оптимизации графика положения.

Реализуйте онлайновую Одновременную локализацию и отображение (SLAM) со сканированиями лазерного дальномера

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

Для просмотра документации необходимо авторизоваться на сайте