缩短基于激光的感知，计算机视觉，舰队管理和工业机器人控制算法的发展时间
使用MATLAB分析和可视化ROS数据，原型算法，并应用机器人研究中的最新进展
“ROS适合机器人研发，但不是用于数据分析。另一方面，MATLAB不仅是数据分析工具，它也是一种数据可视化和硬件接口工具，因此它在许多方面是对ROS的极好补充。“
伊利亚巴坦，清除路径机器人
Otto 1500自动驾驶车辆用于材料运输。
随着对仓库自动化的需求增长，对可以在制造站和生产线之间运输材料的复杂自动驾驶车辆（SDV）所以需要运输材料。为了自动移动商品，没有帮助，SDVS采用先进的激光的感知，计算机视觉，舰队管理和控制算法。
ClearPath机器人的工程师使用MATLAB®加快该公司的奥托行的SDVS算法的发展，并推进机器人研究。
“Matlab为我们的团队提供了一种高效的发展和原型设计算法，”塞尼斯·苏里特·塞尼斯说，在ClearPath的感知工程师说。“例如，如果我们正在研究计算机视觉算法，我们可以使用单行代码执行矩阵反转。Matlab使我们能够轻松地操纵和可视化高维数据，而无需进口库或执行C ++或类似语言所需的其他腿部。“Ilia Baranov，ClearPath的工程经理增加，“Matlab中快速的原型设计是沿着集成新传感器或组件的路径的关键步骤，并分析它产生的数据。”
在透明路径工程组织的工业方面和研究方的团队需要分析和可视化大型复杂的数据集。该团队发现，使用机器人操作系统（ROS）或通过在C ++或Python中编写程序进行这些任务是缓慢且效率低下的。
除了为更快的分析和数据可视化工具的共享要求外，每个团队都有自己的独特需求。Saini和他的同事在ClearPath的工业方面需要一种快速原型的想法，并将新算法从公司外面的研究人员中纳入他们合作的研究人员。在研究方面，Baranov和他的团队与许多不同的不同系统，接口和数据结构一起工作，他们希望一个辅作ROS功能的工具，使得更容易处理和分析ROS数据 - 包括在ROSBAG中捕获的现场流数据和数据日志文件。
ClearPath工程师使用MATLAB与计算机Vision Toolbox™，优化工具箱和机器人系统工具箱™进行原型算法，并分析和可视化机器人研发数据。
在最近的项目中，Saini和他的团队使用MATLAB和计算机视觉工具箱，开发一种检测2D LIDAR点云中的对象的算法，并将对象与标准对象模板库匹配。他们后来将原型Matlab算法作为构建和验证算法的最终生产版本的金色参考。
在另一个项目中，该团队使用MATLAB开发舰队管理算法，该舰队管理算法使用基于代理的建模来指导一组奥托机器人，因为它们共同努力完成任务。该团队使用优化工具箱来最小化特定度量 - 例如，在最短的时间内完成任务，或者在机器人行驶的最短距离内完成任务。车队中的个别机器人在Matlab中开发和调整的舰队中的控制算法。
ClearPath Research Group采用一系列项目，从评估和将新传感器融入基础研究，使用Matlab和机器人系统工具箱分析ROS数据。
例如，虽然Baranov的团队正在评估和集成新的3D LIDAR传感器，但它们识别了LIDAR输出的问题。该团队使用机器人系统工具箱从传感器生成的ROSBAG日志文件中导入数据。在MATLAB中工作，分析并绘制LIDAR脉冲的时序，以诊断问题的来源：传感器内的损坏镜阵。
该团队遵循类似的方法来表征ClearPath机器人的停止距离。当机器人以各种速度和各种表面行驶时，使用室内运动捕获系统将室内运动捕获系统用于记录数据。
使用MATLAB和机器人系统工具箱，该团队开发了自动测试脚本，导致机器人加速到特定速度，然后停止。然后脚本重新定位机器人并重复加速和制动。
在测试之后，团队将动作捕获系统数据导入MATLAB以进行后处理。它们绘制了加速度和速度，并确定了用于机器人的详细制动型材的拐点。
您还可以从以下列表中选择一个网站：