机器人和自治系统
从感知运动和优化系统级开发独立应用程序的行为
机器人和自治系统描述系统的平台,如汽车、飞机、机器人、无人机,移动和操作在物理环境为目标导向的行为。在多个工具和算法工具箱,可以模拟,估计,导航,和控制平台,比如它的位置和速度,以及监控物理环境。具体地说,您可以:
设计、模型和模拟自治系统场景,包括平台、轨迹、路径、传感器、和环境使用不同的坐标系统和地图。
生成和分类检测,评估平台,获得不同环境的地图。
计划机器人的路径、无人机和汽车使用不同的路径规划算法根据不同的运动特征。
控制机器人、无人机和汽车使用多个运动控制算法和策略。
连接软件设计和机器人操作系统(ROS)和部署您的设计估算、导航和控制算法的硬件。
2022世界杯八强谁会赢？机器人和自治系统的产品
主题
场景设计与仿真
- 创建简单的走鹃场景(走鹃)
使用走鹃场景编辑软件来创建一个简单的道路网络。 - 创建驾驶场景交互并生成合成传感器数据(自动驾驶工具箱)
使用驾驶场景设计师应用程序创建一个驾驶场景和生成传感器检测和点云数据的场景。 - 模拟简单的飞行场景和传感器在虚幻引擎环境(无人机工具箱)
可视化仿真环境中传感器使用虚幻引擎从史诗游戏®®。 - 控制和模拟多个仓库的机器人(机器人系统工具箱)
控制和模拟多个机器人在仓库或配送中心工作。
检测和分类
- 使用激光雷达探测、分类和跟踪车辆(激光雷达工具箱)
检测、分类和利用激光雷达点云数据的车辆被激光雷达传感器安装在一个自我。 - 激光雷达三维物体探测使用PointPillars深度学习(激光雷达工具箱)
火车PointPillars网络对象检测的点云。
本地化和映射
- 从激光雷达数据建立一个映射(自动驾驶工具箱)
过程3 d激光雷达传感器数据逐步建立一个地图,在惯性测量单元(IMU)协助下读数。 - 使用线段匹配构建地图和定位(自动驾驶工具箱)
建立一个地图和激光雷达数据本地化使用车辆在地图上的位置SegMatch基于分段匹配,识别算法。 - 3 d立体视觉大满贯无人机导航模拟(无人机工具箱)
生成一个城市地图块使用立体视觉场景一个虚幻引擎环境同步定位和映射。
态势感知和状态估计
- 扩展对象的高速公路车辆跟踪雷达和摄像头(传感器融合和跟踪工具箱)
跟踪高速公路车辆在一个自我车辆作为扩展对象跨多个传感器分辨率的细胞。 - Visual-Inertial测程法使用合成数据(传感器融合和跟踪工具箱)
估计姿势(位置和姿态)的地面车辆使用的惯性测量单元(IMU)和单眼相机。
运动规划
- 对象跟踪和运动规划使用Frenet参考路径(传感器融合和跟踪工具箱)
动态计划自主车辆的运动估计的基础上,周围的环境。 - 运动规划与RRT固定翼无人机(无人机工具箱)
计划的运动固定翼无人机(UAV)使用迅速探索随机树算法(RRT)给定一个开始和目标三维地图。 - 拾起并定位工作流在露台使用点云处理和RRT路径规划(机器人系统工具箱)
建立一个端到端的,拾起并定位工作流等机器人机械手KINOVA®Gen3。
运动控制
- 高速公路车道后走鹃场景(自动驾驶工具箱)
使用一个场景模拟高速公路车道后应用程序的创建走鹃3 d场景编辑工具。 - 路径跟踪和避障仿真软件®(导航工具箱)
使用时避免障碍模型后一个差动驱动机器人的路径。 - 控制和模拟多个仓库的机器人(机器人系统工具箱)
控制和模拟多个机器人在仓库或配送中心工作。
硬件部署
- 估计方向使用惯性传感器融合和微处理器- 9250(传感器融合和跟踪工具箱)
获得数据从一个InvenSense微处理器- 9250 IMU传感器,使用六轴和9-axis传感器数据融合算法来计算设备的方向。 - 签署后机器人在MATLAB与ROS(ROS工具箱)
使用MATLAB®来控制模拟机器人运行在一个单独的ROS-based ROS网络模拟器。 - 本地化TurtleBot使用蒙特卡罗定位算法(导航工具箱)
应用蒙特卡洛定位算法TurtleBot®机器人在一个模拟的露台®环境。
