Используйте ekfSLAM для надежной реализации знаменательного SLAM (Одновременная Локализация и картография) использующий EKF (Расширенный Фильтр Калмана) алгоритм и алгоритм наибольшего правдоподобия для ассоциации данных. В этом примере вы изучите, как создать знаменательную карту мгновенного окружения транспортного средства и одновременно отследить путь транспортного средства. Траектория сгенерирована путем перемещения транспортного средства с помощью шумных команд управления. Вдоль пути это столкнется с ориентирами, который формирует карту. Откорректируйте траекторию транспортного средства и знаменательные оценки путем наблюдения ориентиров снова.

Объедините данные об одометрии робота, и наблюдал, что основанные на вере маркеры под названием AprilTags лучше оценили траекторию робота и знаменательные положения в среде.

Демонстрирует, как реализовать алгоритм одновременной локализации и картографии (SLAM) на собранных 3-D данных о датчике лидара с помощью алгоритмов обработки облака точек и оптимизации графика положения. Цель этого примера состоит в том, чтобы оценить траекторию робота и создать 3-D карту заполнения среды от 3-D облаков точек лидара и оцененной траектории.

Демонстрирует, как реализовать алгоритм Одновременной локализации и картографии (SLAM) на собранной серии сканов лидара с помощью оптимизации графика положения. Цель этого примера состоит в том, чтобы создать карту среды с помощью сканов лидара и получить траекторию робота.

Демонстрирует, как реализовать алгоритм Одновременной локализации и картографии (SLAM) на сканах лидара, полученных из симулированной среды с помощью оптимизации графика положения. Этот пример требует Simulink® 3D Animation™ и Navigation Toolbox™.