Exponenta Banner

lidarSLAM

Выполните локализацию и картографию, используя сканы лидара

расширьте все на странице

Описание

lidarSLAM класс выполняет одновременную локализацию и картографию (SLAM) для входных параметров датчика скана лидара. Алгоритм SLAM берет в сканах лидара и присоединяет их к узлу в базовом графике положения. Алгоритм затем сопоставляет сканы используя соответствия сканирования. Это также ищет закрытия цикла for, где сканы перекрывают ранее сопоставленные области, и оптимизирует положения узла в графике положения.

Создание

Синтаксис

slamObj = lidarSLAM
slamObj = lidarSLAM(mapResolution,maxLidarRange)
slamObj = lidarSLAM(mapResolution,maxLidarRange,maxNumScans)

Описание

slamObj = lidarSLAM создает лидарный объект SLAM. Размер карты заполнения по умолчанию является 20 ячейками на метр. Максимальная область значений для каждого скана лидара составляет 8 метров.

пример

slamObj = lidarSLAM(mapResolution,maxLidarRange) создает лидарный объект SLAM и устанавливает MapResolution и MaxLidarRange свойства на основе входных параметров.

slamObj = lidarSLAM(mapResolution,maxLidarRange,maxNumScans) задает верхнюю границу на количестве принятых сканирований, разрешенных при генерации кода. maxNumScans положительное целое число. Этот предел скана только требуется при генерации кода.

Свойства

развернуть все

Лежание в основе графика положения, который соединяет сканы в виде poseGraph объект. Добавление сканов к lidarSLAM обновления этот график положения. Когда закрытия цикла найдены, график положения оптимизирован с помощью OptimizationFcn.

Разрешение сетки заполнения указанной в виде положительного целого числа в ячейках на метр. Задайте разрешение карты по конструкции.

Максимальная область значений датчика лидара в виде положительной скалярной величины в метрах. Укажите максимальный диапазон на конструкции.

Оптимизационная функция графика положения в виде указателя на функцию. По умолчанию алгоритм вызывает optimizePoseGraph функция. Чтобы задать ваш собственный метод оптимизации, класс требует, чтобы функциональная подпись была:

[updatedPose,stat] = myOptimizationFcn(poseGraph)
poseGraph poseGraph объект. updatedPose n-by-3 вектор из [x y theta] положения перечислены в последовательном порядке идентификатора узла. stat структура, содержащая ResidualError поле как положительная скалярная величина. Используйте stat структура, чтобы включать другую информацию, относящуюся к вашей оптимизации.

Пороговое значение из алгоритма соответствия сканирования для принятия закрытий цикла в виде положительной скалярной величины. Более высокие пороги соответствуют лучшему соответствию, но значения варьируются на основе данных о датчике.

Радиус поиска для определения замыкания контура, указанный как положительный скаляр. Увеличение этого радиуса влияет на эффективность путем увеличения времени поиска. Настройте это расстояние на основе своей среды и ожидаемой траектории транспортного средства.

Количество попыток нахождения закрытий цикличного выполнения в виде положительного целого числа. Увеличение числа попыток влияет на эффективность путем увеличения времени поиска.

Позвольте автоматический откат добавленных закрытий цикла в виде true или false. Объект SLAM отслеживает остаточную ошибку, возвращенную OptimizationFcn. Если это обнаруживает внезапное изменение в остаточной ошибке, и этим свойством является true, это отклоняет (откатывает) закрытие цикла.

Количество закрытий цикла, которые, как принимают, инициировали оптимизацию в виде положительного целого числа. По умолчанию, PoseGraph оптимизирован каждый раз lidarSLAM добавляет закрытие цикла.

Минимальное изменение в положении, требуемом обработать сканы в виде [translation rotation] вектор. Относительное изменение положения для недавно добавленного скана вычисляется как [x y theta]. Если перевод в позиционном xy или вращение theta превышает эти пороги, lidarSLAM объект принимает скан и добавляет, что положение добавляется к PoseGraph.

Функции объекта

addScanДобавьте сканы в лидарную карту SLAM
copyСкопируйте лидарный объект SLAM
removeLoopClosures Удалите замыкания контура из графика положения
scansAndPoses Извлеките сканы и соответствующие положения
showПостройте положения робота и сканы

Примеры

свернуть все

Скрипт Open Live Script

Используйте lidarSLAM объект итеративно добавлять и сравнить сканы лидара и создать оптимизированный график положения траектории робота. Чтобы получить карту заполнения от связанных положений и сканов, используйте buildMap функция.

Загрузите данные и настроенный алгоритм SLAM

Загрузите массив ячеек lidarScan объекты. Сканы лидара были собраны в гараже на роботе Husky® от ClearPath Robotics®. Как правило, сканы лидара взяты на высокой частоте, и каждый скан не нужен для SLAM. Поэтому уменьшите выборку сканирования путем выбора только каждого 40-го скана.

load garage_fl1_southend.mat scans
scans = scans(1:40:end);

Чтобы настроить алгоритм SLAM, укажите диапазон лидара, сопоставьте разрешение, порог закрытия цикла и поисковый радиус. Настройте эти параметры для своего определенного робота и среды. Создайте lidarSLAM объект этими параметрами.

maxRange = 19.2; % meters
resolution = 10; % cells per meter

slamObj = lidarSLAM(resolution,maxRange);
slamObj.LoopClosureThreshold = 360;
slamObj.LoopClosureSearchRadius = 8;

Добавьте сканы итеративно

Используя for цикл, добавляют сканы к объекту SLAM. Объект использует сопоставление сканов, чтобы сравнить каждый добавленный скан с ранее добавленными единицами. Чтобы улучшить карту, объект оптимизирует график положения каждый раз, когда это обнаруживает закрытие цикла. Каждые 10 сканов, отобразите сохраненные положения и сканы.

for i = 1:numel(scans)

    addScan(slamObj,scans{i});
    
    if rem(i,10) == 0
        show(slamObj);
    end
end

Просмотрите карту заполнения

После добавления всех сканов к объекту SLAM создайте occupancyMap карта путем вызова buildMap со сканами и положениями. Используйте то же разрешение карты и макс. область значений, которую вы использовали с объектом SLAM.

[scansSLAM,poses] = scansAndPoses(slamObj);
occMap = buildMap(scansSLAM,poses,resolution,maxRange);
figure
show(occMap)
title('Occupancy Map of Garage')

Больше о

развернуть все

Ссылки

[1] Гесс, Вольфганг, Дэймон Колер, Хольгер Рапп и Дэниел Андор. "Закрытие цикла в реальном времени в 2D ЛИДАРЕ SLAM". 2 016 международных конференций IEEE по вопросам робототехники и автоматизации (ICRA). 2016.

Расширенные возможности

Смотрите также

|

Темы

Введенный в R2019b

Документация Navigation Toolbox

Поддержка