文件帮助中心文件
同时本地化和映射(SLAM)使用都使用映射和定位与姿态估计算法构建地图并在该地图中同时本地化您的车辆。用Lidarslam.要调整自己的SLAM算法,处理LIDAR扫描和内径测量估计,以迭代地构建地图。用BuildMap.要记录和过滤数据以创建使用SLAM的地图。这猛拉地图建造者应用程序允许您手动修改相对姿势并对齐扫描以提高地图的准确性。
Lidarslam.
BuildMap.
展开全部
ekfSLAM
正确的
LandmarkInfo.
POSEHistory.
预测
removelandmark.
重启
addscan.
removeLoopClosures
scansAndPoses
展示
使用EKFSLAM使用扩展卡尔曼滤波器(EKF)算法和数据关联的最大似然算法来实现地标同时定位和映射(SLAM)的可靠实施。在此示例中,您可以创建车辆的立即周围环境的地标图,并同时跟踪车辆的路径。通过使用嘈杂的控制命令移动车辆来生成轨迹,并使用沿路径遇到的地标形成地图。通过再次观察地标,纠正车辆轨迹和地标估计。
结合机器人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。
使用点云处理算法和姿势图优化来演示如何在收集的3-D LIDAR传感器数据上实现同时定位和映射(SLAM)算法。该示例的目的是估计机器人的轨迹,并从3-D LiDAR点云和估计的轨迹创建一个3-D占用地图。
使用姿势图优化演示如何在收集的LIDAR扫描上实现同时定位和映射(SLAM)算法。此示例的目标是使用LIDAR扫描构建环境的地图,并检索机器人的轨迹。
使用姿势图优化来演示如何在模拟环境中获得的LIDAR扫描上的同时定位和映射(SLAM)算法。此示例需要Simulink®3D动画™和导航金宝app工具箱™。
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获得最佳网站性能。其他MathWorks国家网站未优化您所在地的访问。
联系您当地的办公室