Локализация и оценка положения
Используйте алгоритмы локализации и оценки положения, чтобы ориентировать ваше транспортное средство в вашем окружении. Оценка положения датчика использует фильтры, чтобы улучшить и объединить показания датчика для БИНС, GPS и других. Алгоритмы локализации, такие как локализация Монте-Карло и сопоставление сканов, оценивают ваше положение в известной карте с помощью показаний датчика области значений или лидара. Графики положения отслеживают ваши предполагаемые положения и могут быть оптимизированы на основе ограничений ребра и замыканий цикла. Для одновременной локализации и отображения смотрите SLAM.
Функции
Темы
Синтаксис датчика
Бинауральная визуализация аудио с использованием отслеживания головы
Отслеживайте ориентацию головы путем сплавления данных, полученных от БИНС, и затем управляйте направлением прибытия источника звука путем применения связанных с головой передаточных функций (HRTF).
Оценка ориентации через комплексирование инерционных датчиков
Этот пример показывает, как использовать 6-осевой и 9-осевой алгоритмы слияния для вычисления ориентации.
Логгированное выравнивание данных о датчике для оценки ориентации
Этот пример показывает, как выровнять и предварительно обработать записанные данные датчика.
Lowpass с использованием Quaternion SLERP
Этот пример показывает, как использовать сферическую линейную интерполяцию (SLERP) для создания последовательностей кватернионов и шумных траекторий lowpass.
Оценка положения асинхронных датчиков
Этот пример показывает, как можно сплавить датчики с различными скоростями для оценки положения.
Выберите фильтры плавления инерционного датчика
Применимость и ограничения фильтров плавления инерционного датчика.
Оценка ориентации с помощью дополнительного фильтра и данных БИНС
Этот пример показывает, как передать данные БИНС из Arduino и оценить ориентацию с помощью дополнительного фильтра.
Оценка ориентации с помощью синтеза инерционного датчика и MPU-9250
Этот пример показывает, как получить данные с датчика InvenSense MPU-9250 IMU и использовать 6-осевой и 9-осевой алгоритмы слияния в данных датчика для вычисления ориентации устройства.
Беспроводная потоковая передача данных и слияние датчиков с использованием BNO055
Этот пример показывает, как получить данные с датчика Bosch BNO055 IMU через HC-05 Bluetooth ® модуль и использовать 9-осевой алгоритм слияния AHRS на данных датчика для вычисления ориентации устройства .
Настраиваемая настройка фильтров слияния
Используйте tune функция для оптимизации параметров шума нескольких фильтров плавления, включая ahrsfilter объект.
Алгоритмы локализации
Локализуйте TurtleBot используя локализацию Монте-Карло
Этот пример демонстрирует применение алгоритма локализации Монте-Карло (MCL) на TurtleBot ® в моделируемом окружении Gazebo ®.
Составьте серию лазерных сканов с изменениями положения
Используйте matchScans функция для вычисления различия положения между сериями лазерных сканов.
Этот пример показывает, как использовать инерциальный измерительный блок (IMU), чтобы минимизировать область значений поиска угла поворота для алгоритмов сопоставления сканов.
Уменьшите дрейф в 3-D визуальной одометрии с помощью графиков положения
Этот пример показывает, как уменьшить дрейф в предполагаемой траектории (местоположение и ориентация) монокулярной камеры с помощью оптимизации графика положения 3-D.
Алгоритм локализации Монте-Карло
Алгоритм локализации Монте-Карло (MCL) используется для оценки положения и ориентации робота.
Как использовать stateEstimatorPF (Robotics System Toolbox) фильтр частиц, необходимо задать такие параметры, как количество частиц, начальное местоположение частиц и метод оценки состояния.
Рабочий процесс фильтра частиц
Фильтр частиц является рекурсивным байесовским оценщиком состояния, который использует дискретные частицы, чтобы аппроксимировать апостериорное распределение предполагаемого состояния.
