19:14视频长度是19:14。
传感器融合定位估计
从系列:感知
传感器是一个关键的组成部分一个自治系统,帮助其理解和与周围环境互动。在这个视频中,罗伯特·瓦伦蒂加入康奈尔D’索萨演示使用传感器融合和跟踪工具箱™执行传感器的惯性传感器数据融合定位估计。这是一种常见的和重要的应用程序团队参与海上和空中汽车比赛。
首先,康奈尔大学和罗伯托·介绍常见的惯性传感器惯性测量单元(IMU)和磁,角速率,和重力(玛格)解释为什么传感器融合之前这个传感器数据的重要意义。
罗伯特将使用MATLAB移动™来流和日志加速度计、陀螺仪和磁力计传感器数据从他的手机到MATLAB®和执行传感器融合在这个数据来估算取向只用几行代码。imufilter和ahrsfilter函数中使用这个视频使用卡尔曼滤波基于过滤器融合算法。融合的结果进行了比较与取向价值观来源于手机检查评估的准确性。
额外的链接:
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。