导航和映射

点云注册和地图构建,2 d和3 d大满贯,二维障碍检测

高级驾驶员辅助系统的一个关键组件(ADAS)应用程序和自主机器人是使车辆或机器人的意识,对周围环境和使用这些信息来估计其目的地的最佳路径。同时定位和地图(大满贯)过程使用算法来估计车辆的姿势和环境的地图在同一时间。

激光雷达工具箱™提供了一个点云登记工作流程,使用快速点特征直方图(FPFH)算法点云拼接序列。您可以使用此功能建立进步的地图。这样可以促进车辆路径规划导航地图或可用于大满贯。如何使用的一个例子extractFPFHFeatures函数在一个3 - d大满贯工作流空中数据,看看航空激光雷达使用FPFH描述符。

激光雷达扫描工具箱还提供了功能匹配和模拟距离方位传感器读数。这些特性用于二维大满贯和障碍检测工作流

功能

全部展开

二维大满贯

`lidarscanmap`	使用二维激光雷达扫描同步定位和映射
`addScan`	二维激光雷达扫描添加到地图
`detectLoopClosure`	在二维激光雷达探测回路关闭扫描地图
`addLoopClosure`	循环闭包添加到地图
`deleteLoopClosure`	删除循环关闭之间的二维激光雷达扫描
`poseGraph`	从激光雷达扫描地图创建二维构成图
`updateScanPoses`	更新的绝对构成二维激光雷达扫描
`findPose`	找到绝对构成的二维激光雷达扫描地图
`复制`	创建一个副本`lidarscanmap`对象
`显示`	显示二维激光雷达和激光雷达传感器扫描轨迹

姿态估计

`matchScans`	估计构成两个激光扫描
`matchScansGrid`	估计构成两个激光雷达扫描使用基于网格搜索
`matchScansLine`	估计构成两个激光扫描使用线特性
`transformScan`	基于相对姿态变换激光扫描

传感器模型

`rangeSensor`	模拟距离方位传感器读数
`lidarSensor`	模拟激光雷达传感器

数据结构

`lidarScan`	创建对象来存储二维激光雷达扫描
`eigenFeature`	对象存储eigenvalue-based特性
`LOAMPoints`	对象存储壤土特征点

登记

`pcregistericp`	注册两个点云使用ICP算法
`pcregistercpd`	注册两个用CPD算法点云
`pcregistercorr`	注册两个点云使用相关联
`pcregisterndt`	注册两个点云使用无损检测算法
`pcregisterloam`	注册两个点云使用壤土算法
`pcmaploam`	创建地图壤土特征点建立映射
`detectLOAMFeatures`	从三维激光雷达数据检测壤土特征点
`extractEigenFeatures`	从点云提取eigenvalue-based功能段
`extractFPFHFeatures`	快速提取特征直方图(FPFH)描述符从点云
`pcmatchfeatures`	找到匹配点云之间的特性
`pcmapsegmatch`	段和地图功能定位和环路闭合检测
`pcshowMatchedFeatures`	显示点云匹配的特征点

主题

在MATLAB中实现点云大满贯
理解点云注册和工作流映射。
估计转换两个点云之间的使用功能
这个例子展示了如何估计两个点云之间的刚性变换。
匹配相应和可视化特征点云
这个例子展示了如何匹配相应的点云之间的功能使用pcmatchfeatures使用功能和可视化pcshowMatchedFeatures函数。