MATLAB®和仿真软件®为开发自主移动机器人(AMRs)、服务机器人和其他无人地面车辆(ugv)提供算法、建模和仿真工具、ROS和硬件连接。
使用MATLAB和Simulink,您可以:
- 导入机器人的虚拟模型,细化机械设计和电气组件的要求
- 模拟传感器模型惯性导航系统和GNSS传感器
- 使用粒子滤波和蒙特卡洛定位算法来定位你的机器人
- 使用同步定位和映射(SLAM)算法构建环境映射
- 使用路径规划算法(如A*和RRT)寻找最优路径
- 使用路径指标评估路径的最优性,如平滑度和障碍物的净空度
- 使用路径跟踪和避障控制算法在动态环境中导航
- 为目标硬件自动生成生产代码
使用MATLAB和Simulink
为移动机器人
平台开发
为轮式和腿式机器人建立或导入物理模型并模拟机器人动力学。应用实际的约束,如接触力和扭矩,以分析您的算法在硬件平台上的效果。使用MATLAB和Simulink,您可以:
- 使用运动学运动模型和轮编码器为典型的移动机器人设计,如差动驱动或阿克曼转向
- 结合机器人的力学物理建模,设计详细的动力学模型
- 从CAD软件导入机械设计并将它们与电气和控制系统连接在一个单一的仿真模型中
- 与外部机器人模拟器(如Gazebo)的接口进行环境建模
- 连接到ROS / ROS2中间件
感知和定位
启用机器人视觉来构建环境地图和本地化您的移动机器人。使用传感器模型和预构建算法开发地图、定位和目标检测应用程序,这样您的移动机器人就可以了解周围环境和位置。使用MATLAB和Simulink,您可以:
- 模拟和融合IMU和GPS传感器读数准确姿态估计
- 本地化基于激光雷达的机器人使用自适应蒙特卡罗定位算法
- 构建和可视化2D和3D地图使用激光雷达大满贯或单眼视觉大满贯
- 方法交互修改循环闭包,以提高映射精度SLAM地图生成器应用
- 通过创建和可视化来表示动态环境自我中心的入住率地图
- 检测、识别和跟踪目标,以安全使用机器人导航深度学习以及YOLO、SSD和CNN等机器学习算法
运动规划与控制
为你的移动机器人找到到达目的地的路径。生成路径点并发送控制命令以遵循全局路径或局部轨迹。针对移动机器人在未知环境下的导航,MATLAB和Simulink提供了基于搜索和采样的规划算法和路径跟踪控制算法。有了MATLAB和Simulink,你的机器人可以:
- 找出最短和无障碍的路径使用算法,如一个*而且RRT
- 在动态环境中安全地绕过障碍物当地的规划
- 可视化和评估计划的路径指标比如平滑度和与障碍物的距离
- 通过非线性模型预测控制优化路径
- 按照规划的路径使用纯追求控制器
- 计算转向指令使用矢量场直方图避开障碍
- 使用强化学习来避免障碍DDPG等方法
基于仿真的测试
通过模拟检测设计错误,降低硬件测试的风险和成本。MATLAB和Simulink提供交互式应用程序和仿真工具,以优化移动机器人应用程序的性能以及开发和测试时间。使用MATLAB和Simulink,您可以:
- 生成轨迹模拟传感器运动和校准他们的表现
- 消除轮式编码器的误差来源通过里程计估算分析
- 使用抽象模型来快速验证您的自主算法或构建更高保真度的模型
- 联系凉亭执行时间同步联合模拟在闭环模拟中测试你的算法
- 在移动平台上部署之前,在各种边缘情况下运行导航算法
- 自动生成C/ c++、VHDL®/ Verilog®, CUDA®C/ c++代码用于快速原型和生产使用