Esta página se ha traducido mediante traducción automática. Haga clic aquí para ver la última versión en inglés.

Elija el flujo de trabajo SLAM según los datos del sensor

Puede utilizar Computer Vision Toolbox™, Navigation Toolbox™ y Lidar Toolbox™ para localización y mapeo simultáneos (SLAM). SLAM se utiliza ampliamente en aplicaciones que incluyen conducción autónoma, robótica y vehículos aéreos no tripulados (UAV). Para obtener más información sobre SLAM, consulte ¿Qué es SLAM?.

Elija el flujo de trabajo SLAM

Para elegir el flujo de trabajo SLAM adecuado para su aplicación, considere qué tipo de datos de sensores está recopilando. MATLAB^® admite flujos de trabajo SLAM que utilizan imágenes de un sistema de cámara monocular o estéreo, o datos de nube de puntos, incluidos datos LiDAR 2D y 3D.

Esta tabla resume las características clave disponibles para SLAM.

Datos del sensor	Características	Temas	Ejemplos	Caja de instrumento	Generación de código
Imágenes monoculares	Detección, extracción y correspondencia de características Triangulación y ajuste de paquetes Gestión de datos para fotogramas clave y puntos del mapa Detección de cierre de bucle mediante una bolsa de características Optimización del gráfico de poses de similitud Fusión con IMU	Implement Visual SLAM in MATLAB (Computer Vision Toolbox) vSLAM (Computer Vision Toolbox)	Monocular Visual Simultaneous Localization and Mapping (Computer Vision Toolbox) Develop Visual SLAM Algorithm Using Unreal Engine Simulation (Computer Vision Toolbox) Monocular Visual-Inertial SLAM (Computer Vision Toolbox) Performant Monocular Visual-Inertial SLAM (Computer Vision Toolbox) Performant and Deployable Monocular Visual SLAM (Computer Vision Toolbox)	Computer Vision Toolbox Navigation Toolbox	Computer Vision Toolbox Generación de código C/C++ (Computer Vision Toolbox) Computer Vision Toolbox Generación de código de GPU (Computer Vision Toolbox)
Imágenes estéreo	Rectificación de imagen estereoscópica Detección, extracción y correspondencia de características Reconstrucción a partir de la disparidad, triangulación y ajuste de paquetes Gestión de datos para fotogramas clave y puntos del mapa Detección de cierre de bucle mediante una bolsa de características Optimización del gráfico de pose Fusión con IMU	vSLAM (Computer Vision Toolbox)	Stereo Visual Simultaneous Localization and Mapping (Computer Vision Toolbox) Develop Visual SLAM Algorithm Using Unreal Engine Simulation (Computer Vision Toolbox)	Computer Vision Toolbox Navigation Toolbox	Computer Vision Toolbox Generación de código C/C++ (Computer Vision Toolbox) Computer Vision Toolbox Generación de código de GPU (Computer Vision Toolbox)
Imágenes RGB-D	Detección, extracción y correspondencia de características Reconstrucción a partir de imágenes de profundidad, triangulación y ajuste de paquetes Gestión de datos para fotogramas clave y puntos del mapa Detección de cierre de bucle mediante una bolsa de características Optimización del gráfico de pose Fusión con IMU	vSLAM (Computer Vision Toolbox)	Visual SLAM with RGB-D Camera (Computer Vision Toolbox)	Computer Vision Toolbox Navigation Toolbox	Computer Vision Toolbox Generación de código C/C++ (Computer Vision Toolbox) Computer Vision Toolbox Generación de código de GPU (Computer Vision Toolbox)
escaneos LiDAR 2D	Edificio con mapa de ocupación Estimación de la postura del vehículo Optimización del gráfico de pose Ajuste del algoritmo SLAM app SLAM Map Builder	Aplicación SLAM Registration and SLAM (Lidar Toolbox)	Build Map from 2-D Lidar Scans Using SLAM (Lidar Toolbox) Implementar localización y mapeo simultáneos (SLAM) con escaneos Lidar	Navigation Toolbox Lidar Toolbox	Navigation Toolbox Generación de código C/C++ Navigation Toolbox Generación de código de GPU Lidar Toolbox Generación de código C/C++ (Lidar Toolbox)
Datos de la nube de puntos	Procesamiento de nubes de puntos Registro Gestión de datos para la creación de mapas Detección de cierre de bucle con funciones globales Optimización del gráfico de pose Localización en un mapa conocido	Implement Point Cloud SLAM in MATLAB (Computer Vision Toolbox)	Construya un mapa a partir de datos Lidar usando SLAM Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment (Computer Vision Toolbox) Build Occupancy Map from 3-D Lidar Data Using SLAM (Automated Driving Toolbox)	Computer Vision Toolbox	Computer Vision Toolbox Generación de código C/C++ (Computer Vision Toolbox) Computer Vision Toolbox Generación de código de GPU (Computer Vision Toolbox)
escaneos LiDAR 3D	Basado en características: Registro Detección de cierre de bucle Localización en un mapa conocido	Registration and SLAM (Lidar Toolbox)	Aerial Lidar SLAM Using FPFH Descriptors (Lidar Toolbox) Build Map and Localize Using Segment Matching (Lidar Toolbox) Feature-Based Map Building from Lidar Data (Lidar Toolbox) Build a Map with Lidar Odometry and Mapping (LOAM) Using Unreal Engine Simulation (Lidar Toolbox)	Lidar Toolbox	Lidar Toolbox Generación de código C/C++ (Lidar Toolbox)