Алгоритмы локализации

Фильтры частиц, сопоставление сканов, локализация Монте-Карло, графики положения, одометрия

Алгоритмы локализации, как локализация Монте-Карло и сопоставление сканов, оценивают ваше положение в известной карте с помощью датчика области значений или лоцируют показания. Графики положения отслеживают ваши предполагаемые положения и могут быть оптимизированы на основе ограничений ребра и закрытий цикла. Для одновременной локализации и картографии смотрите SLAM.

Функции

развернуть все

stateEstimatorPFСоздайте средство оценки состояния фильтра частиц
getStateEstimateИзвлечение лучше всего утверждает оценку и ковариацию от частиц
predictПредскажите состояние робота в следующем временном шаге
correctНастройте оценку состояния на основе измерения датчика
matchScansОцените положение между двумя лазерными сканами
matchScansGridОцените положение между двумя сканами лидара с помощью основанного на сетке поиска
matchScansLineОцените положение между двумя лазерными сканами использующие функции линии
transformScanПреобразуйте лазерный скан на основе относительного положения
lidarScanСоздайте объект для хранения 2D скана лидара
monteCarloLocalizationЛокализуйте робота с помощью данных о датчике области значений и карты
lidarScanСоздайте объект для хранения 2D скана лидара
getParticlesПолучите частицы из алгоритма локализации
odometryMotionModelСоздайте модель движения одометрии
likelihoodFieldSensorModelСоздайте полевую модель датчика области значений вероятности
resamplingPolicyPFСоздайте объект политики передискретизации с передискретизацией настроек
poseGraph Создайте 2D график положения
poseGraph3D Создайте 3-D график положения
poseplot3-D график положения
addPointLandmarkДобавьте узел поворотного момента в график положения
addRelativePoseДобавьте относительное положение в график положения
edgeNodePairsПары узла ребра в графике положения
edgeConstraintsОграничения ребра в графике положения
edgeResidualErrorsВычислите остаточные ошибки ребра графика положения
findEdgeIDНайдите ID ребра ребра
nodeEstimatesПоложения узлов в графике положения
optimizePoseGraphОптимизируйте узлы в графике положения
removeEdgesУдалите ребра закрытия цикла из графика
showПостройте график положения
trimLoopClosuresОптимизируйте график положения и удалите плохие закрытия цикла
wheelEncoderOdometryAckermannВычислите одометрию транспортного средства Акерманна с помощью меток деления энкодера колеса и регулировав угол
wheelEncoderOdometryBicycleВычислите велосипедную одометрию с помощью меток деления энкодера колеса и регулировав угол
wheelEncoderOdometryDifferentialDriveВычислите одометрию транспортного средства дифференциального диска с помощью меток деления энкодера колеса
wheelEncoderOdometryUnicycleВычислите одометрию одноколесного велосипеда с помощью меток деления энкодера колеса и скорости вращения

Темы

Составьте ряд лазерных сканов с изменениями положения

Используйте matchScans функция, чтобы вычислить различие в положении между рядом лазерных сканов.

Минимизируйте поисковую область значений в основанном на сетке соответствии скана лидара Используя IMU

В этом примере показано, как использовать инерциальный измерительный блок (IMU), чтобы минимизировать поисковую область значений угла поворота для алгоритмов сопоставления сканов.

Алгоритм локализации Монте-Карло

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

Рабочий процесс фильтра частиц

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

Параметры фильтра частиц

Использовать stateEstimatorPF (Robotics System Toolbox) фильтр частиц, необходимо задать параметры, такие как количество частиц, начального местоположения частицы и метода оценки состояния.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте