Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Diseño de algoritmo de robot móvil

Mapeo, planificación de rutas, seguimiento de rutas, estimación de estado

Estos algoritmos se centran en la robótica móvil o aplicaciones de vehículos terrestres.Robotics System Toolbox™ Estos algoritmos le ayudan con todo el flujo de trabajo de robótica móvil, desde la asignación hasta la planificación y el control. Puede crear mapas de entornos mediante cuadrículas de ocupación, desarrollar algoritmos de planificación de rutas para robots en un entorno determinado y ajustar los controladores para seguir un conjunto de waypoints. Realice una estimación del estado basada en los datos del sensor LIDAR de su robot.

Funciones

expandir todo

binaryOccupancyMapCrear cuadrícula de ocupación con valores binarios
getOccupancyGet occupancy value of locations
inflateInflate each occupied grid location
moveMove map in world frame
occupancyMatrixConvert occupancy grid to matrix
raycastCompute cell indices along a ray
lidarScanCrear objeto para almacenar escaneo LIDAR 2-D
plotDisplay laser or lidar scan readings
removeInvalidDataRemove invalid range and angle data
transformScanTransform laser scan based on relative pose
stateEstimatorPFCrear estimador de estado de filtro de partículas
initializeInitialize the state of the particle filter
predictPredict state of robot in next time step
correctAdjust state estimate based on sensor measurement
getStateEstimateExtract best state estimate and covariance from particles
mobileRobotPRMCrear planificador de ruta de hoja de ruta probabilística
findpathFind path between start and goal points on roadmap
controllerPurePursuitCrear controlador para seguir el conjunto de waypoints
ackermannKinematicsCar-like steering vehicle model
bicycleKinematicsBicycle vehicle model
differentialDriveKinematicsDifferential-drive vehicle model
unicycleKinematicsUnicycle vehicle model

Bloques

Ackermann Kinematic ModelCar-like vehicle motion using Ackermann kinematic model
Bicycle Kinematic ModelCompute car-like vehicle motion using bicycle kinematic model
Differential Drive Kinematic ModelCompute vehicle motion using differential drive kinematic model
Unicycle Kinematic ModelCompute vehicle motion using unicycle kinematic model
Pure PursuitLinear and angular velocity control commands

Temas

Asignación y planificación de rutas

Cuadrículas de ocupación

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

Hojas de ruta probabilísticas (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 hoja de ruta probabilística (PRM).

Asignación con poses conocidas

En este ejemplo se muestra cómo crear un mapa de un entorno mediante lecturas de sensores de rango y poses de robot para un robot de accionamiento diferencial.

Modelado de movimiento

Simular diferentes modelos cinemáticos para robots móviles

En este ejemplo se muestra cómo modelar diferentes modelos de cinemática robótica en un entorno y compararlos.

Control de robots

Controlador de persecución pura

Funcionalidad y detalles del algoritmo de Pure Pursuit Controller.

Seguimiento de ruta para un robot de accionamiento diferencial

En este ejemplo se muestra cómo controlar un robot para seguir la ruta deseada mediante un simulador de robot.

Controla un robot de accionamiento diferencial en Gazebo con Simulink

Este ejemplo muestra cómo controlar un robot de accionamiento diferencial en la cosimulación de Gazebo mediante Simulink.

Estimación del Estado

Parámetros de filtro de partículas

Para utilizar el filtro de partículas, debe especificar parámetros como el número de partículas, la ubicación inicial de las partículas y el método de estimación de estado.stateEstimatorPF Además, si tiene un modelo de movimiento y sensor específico, especifique estos parámetros en la función de transición de estado y la función de probabilidad de medición, respectivamente.

Flujo de trabajo de filtro de partículas

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

Rastrear un robot similar a un coche usando un filtro de partículas

El filtro de partículas es un algoritmo de estimación bayesiana recursiva basado en muestreo.

Ejemplos destacados