Локализация

Одновременная локализация и картография, создание карты, одометрия

Используйте алгоритмы одновременной локализации и картографии (SLAM), чтобы создать карты, окружающие автомобиль, оборудованный датчиком на основе данных о лидаре или визуального. Используйте визуально-инерционную одометрию, чтобы оценить положение (положение и ориентация) транспортного средства на основе данных из встроенных датчиков, таких как инерционные модули измерения (IMUs).

Функции

развернуть все

rigid3d3-D твердое геометрическое преобразование
quaternionСоздайте массив кватерниона
distУгловое расстояние в радианах
rotateframeВращение системы координат кватерниона
rotatepointВращение точки кватерниона
rotmatПреобразуйте кватернион в матрицу вращения
rotvecПреобразуйте кватернион в вектор вращения (радианы)
rotvecdПреобразуйте кватернион в вектор вращения (в градусах)
partsИзвлеките части кватерниона
eulerПреобразуйте кватернион в Углы Эйлера (радианы)
eulerdПреобразуйте кватернион в Углы Эйлера (степени)
compactПреобразуйте массив кватерниона в N-by-4 матрица
imageviewsetУправляйте данными для структуры от движения, визуальной одометрии и визуального SLAM
optimizePosesОптимизируйте абсолютные положения с помощью относительных ограничений положения
createPoseGraphСоздайте график положения
relativeCameraPoseВычислите относительное вращение и перевод между положениями камеры
triangulate3-D местоположения неискаженных соответствующих точек в стереоизображениях
bundleAdjustmentСовершенствуйте положения камеры и 3-D точки
bundleAdjustmentMotionСовершенствуйте положение камеры с помощью корректировки пакета только для движения
bundleAdjustmentStructureСовершенствуйте 3-D точки с помощью корректировки пакета только для структуры
pcviewsetСправьтесь данные для облака точек основывали визуальную одометрию и SLAM
optimizePosesОптимизируйте абсолютные положения с помощью относительных ограничений положения
createPoseGraphСоздайте график положения
scanContextDistanceРасстояние между дескрипторами контекста скана
scanContextDescriptorИзвлеките дескриптор контекста скана из облака точек
pctransformПреобразуйте 3-D облако точек
pcalignВыровняйте массив облака точек
pcregistercorrУкажите две корреляции фазы использования облаков точек
pcregistercpdУкажите два облака точек с помощью алгоритма CPD
pcregistericpУкажите два облака точек с помощью алгоритма ICP
pcregisterndtУкажите два облака точек с помощью алгоритма NDT
pcmapndtКарта локализации на основе нормальных распределений преобразовывают (NDT)

Темы

Вращения, ориентации и кватернионы для автоматизированного управления

Кватернионы являются гиперкомплексными числами с четырьмя частями, которые используются, чтобы описать трехмерные вращения и ориентации. Узнать, как использовать их для автоматизированных ведущих приложений.

Визуальный обзор SLAM

Изучите визуальный рабочий процесс одновременной локализации и картографии (SLAM).

Монокулярная визуальная одновременная локализация и картография

Визуальная одновременная локализация и картография (vSLAM).

Создайте карту из данных о лидаре

Обработайте 3-D данные о датчике лидара, чтобы прогрессивно создать карту с помощью со стороны показаний инерциального измерительного блока (IMU).

Создайте карту из данных о лидаре Используя SLAM

Обработайте данные о лидаре, чтобы создать карту и оценить траекторию транспортного средства с помощью одновременной локализации и картографии.

Создайте карту заполнения из 3-D данных о лидаре Используя SLAM

Создайте 2D карту Заполнения из 3-D данных о Лидаре с помощью алгоритма одновременной локализации и картографии (SLAM).

Облако точек обзор SLAM

Изучите рабочий процесс отображения и регистрация облака точек.

Создайте карту и локализуйте Используя сегмент, совпадающий (с Lidar Toolbox)

В этом примере показано, как создать карту с данными о лидаре и локализовать положение транспортного средства на карте с помощью (Lidar Toolbox) SegMatch [1], алгоритма распознавания места на основе соответствия сегмента.

Рекомендуемые примеры