开始使用导航的工具箱
设计、模拟和部署的自主导航算法
导航工具箱™提供了运动规划算法和分析工具,同时定位和地图(大满贯)和惯性导航。工具箱包括可定制的搜索和sampling-based path-planners,以及指标的验证和比较的路径。您可以创建2 d和3 d地图表示,生成地图使用SLAM算法和交互可视化和调试与大满贯地图地图生成builder应用。工具箱提供了定位传感器模型和算法。你可以模拟和可视化IMU、GPS和车轮编码器传感器数据,对多传感器构成的评估和优化融合过滤器。
引用的例子是提供自动驾驶,机器人技术,和消费电子产品的应用。你可以测试你的导航算法直接部署到硬件(MATLAB®编码器™或金宝app®编码器)。
教程
- 旋转、取向和四元数
这个例子评论概念在三维旋转和如何使用四元数来描述取向和旋转。
- 方向、位置和协调会议
了解工具箱约定空间表示法和坐标系统。
- 介绍模拟IMU测量
这个例子展示了如何模拟惯性测量单元(IMU)测量使用
imuSensor系统对象。 - 估计地面车辆的位置和姿态
这个例子展示了如何估计地面车辆的位置和姿态融合数据从一个惯性测量单元(IMU)和全球定位系统(GPS)接收机。
- 估计机器人位姿与扫描匹配
这个案例展示了如何使用正态分布匹配两个激光扫描变换(无损检测)算法[1]。
- 移动机器人使用RRT路径规划
这个例子展示了如何使用快速探索随机树(RRT)算法规划路径车辆通过一个已知的地图。
- 实现同步定位和映射(大满贯)与激光雷达扫描
这个例子演示了如何实现同步定位和映射(大满贯)算法使用带来一系列收集的激光雷达扫描图的优化。
- 执行大满贯使用3 d激光雷达点云
这个例子演示了如何实现同时定位和地图(大满贯)算法收集使用点云三维激光雷达传感器数据处理算法和姿势图优化。
