帮助中心帮助中心
同时定位和映射(SLAM)使用这两种方法映射和定位和姿态估计建立地图的算法,同时在地图上定位你的车辆。使用lidarSLAM调整自己的SLAM算法,该算法处理激光雷达扫描和里程计姿态估计,以迭代地构建地图。使用buildMap使用SLAM获取记录和过滤的数据来创建地图。的SLAM地图生成器应用程序可以让你手动修改相对姿势和对齐扫描,以提高你的地图的准确性。
lidarSLAM
buildMap
全部展开
ekfSLAM
正确的
landmarkInfo
poseHistory
预测
removeLandmark
重置
addScan
removeLoopClosures
scansAndPoses
显示
使用扩展卡尔曼滤波(EKF)算法和数据关联的最大似然算法,使用ekfSLAM可靠地实现地标同时定位和映射(SLAM)。在本例中,您将创建车辆周围环境的地标地图,并同时跟踪车辆的路径。通过使用噪声控制命令移动车辆来生成轨迹,并使用它在路径上遇到的地标形成地图。通过再次观察地标来修正车辆轨迹和地标估计。
结合机器人里程测量数据和观察到的基准标记,称为AprilTags,以更好地估计机器人轨迹和环境中的地标位置。该示例使用了姿态图方法和因子图方法,并对两种图进行了比较。
演示了如何使用点云处理算法和姿态图优化在收集的3d激光雷达传感器数据上实现同步定位和映射(SLAM)算法。本例的目标是估计机器人的轨迹,并根据三维激光雷达点云和估计的轨迹创建环境的三维占用地图。
演示了如何使用姿态图优化在收集的一系列激光雷达扫描上实现同步定位和映射(SLAM)算法。本示例的目标是使用激光雷达扫描构建环境地图并检索机器人的轨迹。
演示了如何在使用姿态图优化从模拟环境中获得的激光雷达扫描上实现同步定位和映射(SLAM)算法。这个例子需要Simulink®3D动画™和导航工具箱™。
您点击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
选择一个网站获取翻译后的内容,并查看当地的活动和优惠。根据您的位置,我们建议您选择:.
你亦可选择下列网址:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。
与当地办事处联系