Esta página es para la versión anterior. La página correspondiente en inglés ha sido eliminada en la versión actual.

Algoritmos de vehículo terrestre

Mapeo, localización, SLAM, planificación de rutas, seguimiento de caminos, estimación de estado

Estos algoritmos se centran en aplicaciones de robótica móvil (es decir, vehículos terrestres).Robotics System Toolbox™ Estas clases te ayudan con todo el flujo de trabajo de robótica móvil. Puede crear mapas de entornos utilizando cuadrículas de ocupación, realizar localización y mapeo simultáneos (SLAM), desarrollar la planificación de rutas para robots en un entorno determinado y ajustar los controladores para seguir un conjunto de waypoints. Además, puede realizar la evasión de obstáculos, la estimación de estado y la localización en función de los datos del sensor de su robot.

Funciones

expandir todo

buildMap
readBinaryOccupancyGridRead binary occupancy grid
writeBinaryOccupancyGridWrite values from grid to ROS message
readOccupancyGrid
writeOccupancyGrid
readOccupancyMap3D
lidarScanCrear objeto para almacenar el escaneo LiDAR 2-D
matchScans
matchScansGrid
plot
removeInvalidDataRemove invalid range and angle data
transformScanTransform laser scan based on relative pose
connect
interpolate
show
optimizePoseGraph
addRelativePose
edges
edgeConstraints
findEdgeID
nodes
removeEdges
show

Clases

expandir todo

robotics.LidarSLAM Realice la localización y la asignación mediante exploraciones LiDAR
robotics.MonteCarloLocalization
robotics.BinaryOccupancyGridCree una rejilla de ocupación con valores binarios
robotics.OccupancyGridCree una rejilla de ocupación con valores probabilísticos
robotics.OccupancyMap3D
robotics.OdometryMotionModel
robotics.ParticleFilterCree un estimador de estado de filtro de partículas
robotics.PoseGraph
robotics.PoseGraph3D
robotics.DubinsConnection
robotics.DubinsPathSegment
robotics.ReedsSheppConnection
robotics.ReedsSheppPathSegment
robotics.PRMCrear planificador de rutas de ruta probabilística
robotics.PurePursuitCrear controlador para seguir el conjunto de waypoints
robotics.VectorFieldHistogram

Aplicaciones

El creador de mapas de SLAM

Bloques

Pure PursuitLinear and angular velocity control commands
Vector Field Histogram

Temas

Mapeo y planificación de rutas

Rejillas de ocupación

Detalles de la funcionalidad de cuadrícula de ocupación y estructura de mapa.

Roadmaps probabilísticos (PRM)

Cómo funciona el algoritmo PRM y parámetros de ajuste específicos.

Planificación de rutas en entornos de diferente complejidad

En este ejemplo se muestra cómo calcular una ruta libre de obstáculos entre dos ubicaciones en un mapa determinado mediante el planificador de rutas de la hoja de ruta probabilística (PRM).

Mapeo con poses conocidas

Este ejemplo muestra cómo crear un mapa del entorno utilizando lecturas del sensor de rango Si la posición del robot se conoce en el momento de la lectura del sensor.

Robot control

Controlador de persecución puro

Funcionalidad del controlador Pure Pursuit y detalles del algoritmo.

Ruta siguiente para un robot de accionamiento diferencial

Este ejemplo muestra cómo controlar un robot para seguir una ruta deseada usando un simulador de robot.

Estimación de estado

Parámetros de filtro de partículas

A es un estimador de estado Bayesiano recursivo que utiliza partículas discretas para aproximar la distribución posterior del estado estimado.filtro de partículas

Flujo de trabajo de filtro de partículas

A es un estimador de estado Bayesiano recursivo que utiliza partículas discretas para aproximar la distribución posterior del estado estimado.filtro de partículas

Rastrear un robot como un coche usando filtro de partículas

El filtro de partículas es un algoritmo de estimación Bayesiano recursivo basado en muestreo.

Algoritmo de localización Monte Carlo

El algoritmo de localización de Montecarlo (MCL) se utiliza para estimar la posición y la orientación de un robot.

Localize TurtleBot utilizando la localización de Montecarlo

En este ejemplo se muestra una aplicación del algoritmo de localización de Montecarlo (MCL) en TurtleBot® en entorno de Gazebo® simulado.

Localización y mapeo

Implemente localización y mapeo simultáneos (SLAM) con exploraciones LiDAR

En este ejemplo se muestra cómo implementar el algoritmo de localización y asignación simultánea (SLAM) en una serie recopilada de exploraciones LiDAR mediante la optimización de gráficos de pose.

Implemente la localización y mapeo simultáneos en línea (SLAM) con escaneos LiDAR

En este ejemplo se muestra cómo implementar el algoritmo de localización y asignación simultánea (SLAM) en escaneos LiDAR obtenidos del entorno simulado mediante la optimización de gráficos de pose.