移动机器人算法设计
映射,路径规划,路径跟踪,状态估计
这些机器人系统工具箱™算法专注于移动机器人或地面车辆应用。这些算法可以帮助您完成从映射到计划和控制的整个移动机器人工作流程。您可以使用占用网格创建环境地图,为给定环境中的机器人开发路径规划算法,并调整控制器以遵循一组路径点。根据机器人的激光雷达传感器数据执行状态估计。
功能
块
主题
映射与路径规划
- 占用网格
占用网格功能和地图结构的细节。 - 概率路线图(人口、难民和移民事务局)
PRM算法的工作原理和具体的调优参数。 - 不同复杂环境下的路径规划
这个例子演示了如何使用概率路线图(PRM)路径规划器计算给定地图上两个位置之间的无障碍路径。 - 用已知姿势进行映射
这个例子展示了如何使用差速驱动机器人的距离传感器读数和机器人姿态来创建环境映射。 - 基于Simulink的差动驱动机器人路径规划
这个例子演示了如何在Simulink®中执行给定地图上两个位置之间的无障碍路径。
运动建模
- 移动机器人运动学方程
了解移动机器人运动学方程的详细信息,包括独轮车,自行车,差动驱动和阿克曼模型。 - 移动机器人不同运动学模型的仿真
这个例子展示了如何在一个环境中建立不同的机器人运动学模型并进行比较。
机器人控制
- 纯追求控制器
纯追踪控制器的功能和算法细节。 - 差动驱动机器人的路径跟踪
这个例子演示了如何使用一个机器人模拟器来控制一个机器人沿着预定的路径前进。 - 用Simulink控制凉亭中差动驱动机器人
本实例展示了如何使用Simulink在Gazebo联合仿真中控制差动驱动机器人。 - 具有资源分配和冲突管理的多机器人控制
这个例子展示了如何控制在一个配送中心工作的多个机器人,以及如何轻松地配置配送系统。
状态估计
- 粒子滤波参数
使用stateEstimatorPF
粒子滤波时,必须指定粒子数量、初始粒子位置和状态估计方法等参数。 - 粒子滤波的工作流
粒子滤波器是一种递归的贝叶斯状态估计器,它使用离散粒子来近似估计状态的后验分布。 - 使用粒子滤波器跟踪一个车一样的机器人
粒子滤波是一种基于采样的递归贝叶斯估计算法stateEstimatorPF
对象。