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规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点。根据机器人的激光雷达传感器数据执行状态估计。
Ackermann运动学模型 | 用Ackermann运动学模型求解类车车辆运动 |
自行车运动学模型 | 利用自行车运动学模型计算类车运动 |
差动传动运动学模型 | 利用差动驱动运动学模型计算车辆运动 |
独轮车运动学模型 | 利用独轮车运动学模型计算车辆运动 |
单纯的追求 | 线速度和角速度控制命令 |
详细的占用网格功能和地图结构。
PRM算法的工作原理和具体的调优参数。
这个例子演示了如何使用Probabilistic Roadmap (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。
这个例子展示了如何使用距离传感器读数和机器人姿势为差动驱动机器人创建环境地图。
这个例子演示了如何在给定地图上的两个位置之间执行无障碍路径。金宝app
了解有关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。
这个例子展示了如何在一个环境中建模不同的机器人运动学模型并对它们进行比较。
纯追求控制器的功能和算法的细节。
这个例子演示了如何使用机器人模拟器控制机器人遵循所需的路径。
这个例子展示了如何使用Simulink在Gazebo联合仿真中控制差动驱动机器人。金宝app
要使用stateEstimatorPF
粒子滤波时,必须指定粒子个数、初始粒子位置、状态估计方法等参数。
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。
粒子滤波是一种基于采样的递归贝叶斯估计算法stateEstimatorPF
对象。