帮助中心帮助中心
使用定位和姿态估计算法在您的环境中定位您的车辆。惯性传感器融合使用滤波器来改进和组合IMU、GPS和其他传感器读数。定位算法,如蒙特卡洛定位和扫描匹配,使用距离传感器或激光雷达读数估计你在已知地图上的姿势。姿态图跟踪您估计的姿态,并可以基于边缘约束和循环闭包进行优化。
要对特定传感器建模,请参见传感器模型.
有关同时定位和映射,请参见大满贯.
如何构建适合无人机或四轴飞行器的IMU + GPS融合算法。
使用惯性测量单元(IMU)和单目摄像机估计地面车辆的姿态(位置和方向)。在这个例子中,你:
MATLAB Mobile™报告来自Apple或Android移动设备上的加速度计、陀螺仪和磁力计的传感器数据。可获得各传感器的原始数据或融合方向数据。这个例子展示了如何比较来自手机的融合方向数据和来自ahrsfilter对象的方向估计。
通过融合来自惯性测量单元(IMU)和全球定位系统(GPS)接收器的数据来估计地面车辆的位置和方向。
结合机器人里程测量数据和被称为AprilTags的观察基准标记,以更好地估计机器人轨迹和环境中的地标位置。该示例使用了姿态图方法和因子图方法,并比较了这两种图。
使用3-D姿态图优化减少单目摄像机估计轨迹(位置和方向)的漂移。视觉里程计估计相机的当前全局姿态(当前帧)。由于三维点三角剖分的不匹配或存在误差,机器人轨迹往往会偏离地面真相。环路闭合检测和位姿图优化减少了这种漂移并纠正了错误。
Ha hecho clic en unenlace que对应一个este commando de MATLAB:
弹射突击队introduciéndolo en la ventana de commandos de MATLAB。Los navegadores web no permission comandos de MATLAB。
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您所在的位置,我们建议您选择:.
您也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系当地办事处