使用2-D LIDAR的碰撞警告
此示例显示了如何使用2-D LIDAR数据检测障碍物和警告可能的碰撞。
概要
物流仓库正越来越多地在自动导航车辆(AGV)上安装二维激光雷达，以实现导航目的，这是由于传感器的可承受性、远程和高分辨率。传感器辅助碰撞检测是复杂环境下agv安全导航的重要任务。这个例子展示了如何表示一个充满障碍物的机器人工作空间，生成2-D激光雷达数据，检测障碍物，并在即将发生碰撞前提供警告。
创建仓库地图
要代表机器人工作区的环境，请定义abinaryoccupancymap.（导航工具箱）包含仓库的平面图的对象。占用电网中的每个单元格都具有逻辑值。占用位置表示为1，并且可以使用占用信息来表示占用信息来生成合成的2-D LIDAR数据。
在地图上靠近AGV指定路线的地方添加障碍物。
％创建二进制仓库地图并将障碍放在定义的位置地图= helperCreateBinaryOccupancyMap;％可视化障碍物和AGV的地图图显示（地图）标题（'仓库平面图与障碍和agv'）％将AGV添加到地图上姿势= [5 40 0];Helperplotrobot（GCA，姿势）;
模拟二维激光雷达传感器
使用A模拟2-D LIDAR传感器rangeSensor对象收集生成的地图的LIDAR读数。加载包含AGV的预定义航点的MAT文件进入工作区。使用模拟的LIDAR传感器返回AGV的姿势的范围和角度读数，然后使用范围和角度来生成一个lidarScan包含2-D LIDAR扫描的对象。
%模拟激光雷达传感器，设置探测角度为[-pi/2 pi/2]激光雷达= rangeSensor;激光雷达。= [-pi/2 pi/2];%设置传感器可检测范围的最小值和最大值，单位为仪表lidar.range = [0 5];AGV移动的％加载航点加载waypoints.mattraj = waypointsMap;选择一个路径点来可视化扫描数据升高= traj（350，:);％生成激光雷达读数[范围，角度] =激光雷达（锻炼，地图）;存储和可视化二维激光雷达扫描扫描= LIDARSCAN（范围，角度）;绘制（扫描）标题（“自我观”）Helperplotrobot（GCA，[0 0锻工（3）]）;
设置可视化
设置一个图形窗口，显示AGV在仓库中的移动，相关的激光雷达扫描环境，在鸟瞰图中以填充的圆圈显示障碍，以及用颜色编码的碰撞警告信息。每个警告所使用的颜色表示碰撞的可能性，该可能性基于障碍物在该路径点所占据的检测区域。
％设置显示显示= HelperVisualizer;％绘图仓库映射在显示窗口中hrobot = plotbinarymap（显示，地图，姿势）;
基于区域的碰撞警告
只有当障碍物落在AGV的探测区域内时，才会出现碰撞警告。
定义检测区域
使用不同颜色，形状和修改图GUI的颜色区域区域创建自定义可检测区域。运行以下部分的代码并修改多边形手柄以适应您对检测区域的要求。下面的代码创建了3个多边形处理的半圆形区域，半径为5,2,1，2，1，AGV位于[0 0]。修改半径或更改多边形对象以创建自定义检测区域。
figure detAxes = gca;标题(两家,定义检测区域的）轴（瓦皮斯，[-210 -2 4]）Xlabel（脱瓦，'x'）ylabel（瓦皮斯，“Y”)轴(两家,“平等”）栅格（瓦皮斯，'次要'）t = linspace（-pi / 2，pi / 2,30）';％指定颜色值 - 白色，黄色，橙色，红色颜色= [1 1 1;1 1 0;1 0.5 0;1 0 0];％指定半径以米为单位半径= [5 2 1];%创建一个多边形类型的3x1矩阵detareahandles = repmat（images.roi.polygon，[3 1]）;pos = [cos（t）sin（t）] *半径（1）;pos = [0 -2;POS（14:17，:);0 2];DetareaHandles（1）= DrawPolygon（......“父”两家,......“InteractionsAllowed”那'重塑'那......“位置”，pos，......“StripeColor”那“黑”那......“颜色”颜色(:));Pos = [cost sin(t)] * radius(2);Pos = [0 -1.5;: pos (19);0 1.5);detAreaHandles (2) = drawpolygon (......“父”两家,......“InteractionsAllowed”那'重塑'那......“位置”，pos，......“StripeColor”那“黑”那......“颜色”颜色(:));Pos = [cost sin(t)] * radius(3);Pos = [0 -1;: pos (21);0 1];detAreaHandles (3) = drawpolygon (......“父”两家,......“InteractionsAllowed”那'重塑'那......“位置”，pos，......“StripeColor”那“黑”那......“颜色”、颜色(4:));暂停(2)%暂停以加载检测区域窗口
要保存创建的检测区域，请运行helperSaveDetectionArea函数。使用轴柄的图形与检测区域的多边形相关联DetareaHandles.变量作为输入参数。该函数以数据类型矩阵的形式输出检测区域uint8.，和一个边界框。检测区域周围的蓝色矩形表示边界框。
Axesdet = GCA;包含多边形手柄的图形窗口的％轴[Detarea，Bbox] = evermeravedetectionArea（Axesdet，DetareaHandles）;
％通过缩放颜色使检测区域透明％alphadata = double（detarea〜= 0）* 0.5;AX3 = GetDetectionAleaaxes（显示）;H = ImageC（AX3，[BBOX（1）（BBOX（1）+ BBOX（3））]，......- [bbox（2）（bbox（2）+ bbox（4））]，......detarea）;Colormap（AX3，颜色）;％绘图检测区域plotobstacledisplay（显示）
运行仿真
检测区域分为三个级别为：红色，橙色和黄色。每个区域与特定程度的危险相关联：
红碰撞迫在眉睫
橙色:碰撞几率高
黄色-采取谨慎措施
不在检测范围内的障碍物距离AGV的安全距离。这些是碰撞警告所涉及的主要步骤：
模拟2-D LIDAR并提取点云数据。
将点云数据分段为障碍物集群。
环行每个障碍物以检查可能的碰撞。
根据危险水平发出警告。
显示靠近AGV的障碍物。
移动AGV通过航路点对于ij = 27:size(traj, 1) currentPose = traj(ij，:);
模拟2-D LIDAR和提取点云数据
使用模拟传感器收集地图的LIDAR读数。从WayPoints文件中加载AGV的当前姿势。用来rangeSensor你创建的对象来获得距离和角度测量。
检索激光雷达扫描[范围，角度] =激光雷达（函第回文，地图）;扫描= LIDARSCAN（范围，角度）;％储存2-D扫描作为点云车= scan.Cartesian;Cart (:， 3) = 0;电脑= pointCloud(购物车);
将点云数据分段为障碍物群集
用来pcsegdist函数将扫描点云分段为集群，使用点之间的最小欧几里德距离作为分割标准。
基于欧几里得距离将点云分割成簇Mindistance = 0.9;[标签，numflusters] = PCSegdist（PC，Meadistance）;
使用地图和扫描数据更新可视化窗口
％更新显示地图UpdateMapDisplay（显示，Hrobot，函第消息）;％绘图2-D LIDAR扫描plotlidarscan（显示，扫描，函样（3））;％删除最后一次扫描到下一个扫描行的障碍如果存在（'sc'那'var'删除(sc)清晰SC.结束
循环在每个障碍物上找到碰撞的可能性
通过基于其标签循环通过群集，以提取位于它们内部的点。
附近=零（numflusters，2）;maxLevel = -inf;％循环通过PC中的所有集群对于i = 1:numClusters c = find(labels == i);障碍物的％xy坐标提取xy =个人电脑。位置(c, 1:2);
将每个障碍的世界位置转换为相机坐标系。
％转换为归一化坐标系（0->最小检测位置%面积，1->检测区域最大位置)a = [xy（：，1）xy（:,,2）] - repmat（bbox（[1 2]），[尺寸（xy，1）1]）;b = repmat（bbox（[3 4]），[尺寸（xy，1）1]）;XY_ORG = A./B;％坐标系（0,0） - >（0,0），（1,1） - >（宽度，高度）的滴度IDX =楼层（XY_ORG。* REPMAT（[尺寸（DELAREA，2）尺寸（DELAREA，1）]，[尺寸（XY_ORG，1），1]）））;
提取位于检测区域的障碍点的指标。
％提取物仅作为索引的索引中的曲线坐标ValididX = 1 <= IDx（：，1）＆1 <= IDX（:,2）＆......IDX（：，1）<=尺寸（detarea，2）和Idx（:,2）<=尺寸（Detarea，1）;
对于每个有效的障碍点，在检测矩阵中找到相关的值。检测矩阵中所有相关点的最大值确定该障碍物所代表的危险程度。基于障碍物的危险水平显示彩色圆圈警告的颜色显示窗口的窗格。
％围绕索引，从Detarea获得每个障碍的水平COLS = IDX（VANVIDIDX，1）;Rows = IDX（Valididx，2）;级别=双（Detarea（Sub2ind（尺寸（DECARAEA），行，COL））））;如果〜isempty（级别）级别= max（水平）;MaxLevel = Max（MaxLevel，Level）;xyinds =查找（valididx）;xyinds = xyinds（级别==级别）;％获得了检测区域中最近的障碍坐标附近（我，:) = Helpernearobstacles（XY（Xyinds，:)）;别的找出障碍物在集群中最近的坐标nearxy(i，:) = helperNearObstacles(xy);结束结束％显示表示危险级别的警告颜色。如果是%障碍物不落在检测区域内，不显示颜色。开关maxlevel％红地区案例3 Circledisplay（显示，颜色（4，:)）％橙色区域案例2个circledisplay（显示，颜色（3，:)）%的黄色区域案例1个circledisplay（显示，颜色（2，:)）％默认情况否则circleDisplay(显示、[])结束
显示最接近AGV的障碍点
由于仓库中的障碍物大多是线性的，并且是长的，所以只显示每个障碍物群中最接近AGV的点。障碍物显示为填充的圆圈鸟瞰图显示窗口的窗格。
对于我= 1:numClusters如果在坐标轴的范围内存在障碍显示sc(i，:) = displayObstacles(display, nearxy(i，:)); / /显示障碍物结束updateDisplay(显示)暂停(0.01)结束
金宝app支持文件
helperCreateBinaryOccupancyMap创建机器人工作区的仓库地图
函数地图= helperCreateBinaryOccupancyMap ()% helperCreateBinaryOccupancyMap创建一个指定的仓库映射％分辨率作为binaryoccupancimap的参数传递map = binaryOccupancyMap(100, 80, 1);Occ = 0 (80, 100);Occ (1，:) = 1;Occ (end，:) = 1;Occ ([1:30, 51:80]， 1) = 1;Occ ([1:30, 51:80]， end) = 1;Occ (40, 20:80) = 1;Occ (28:52， [20:21 32:33 44:45 56:57 68:69 80:81]) = 1;Occ (1:12， [20:21 32:33 44:45 56:57 68:69 80:81]) = 1;Occ (end-12:end， [20:21 32:33 44:45 56:57 68:69 80:81]) = 1;％设置占用物的占用值SetoCcupancy（地图，OCC）;在地图的特定位置添加障碍。输入％HelperAddobstacle是障碍宽度，障碍和障碍物。Helperaddobstacle（地图，5,5，[10,30]）;Helperaddobstacle（地图，5,5，[20,17]）;Helperaddobstacle（地图，5,5，[40,17]）;结束％helperaddobstacle将占用率的障碍增加了障碍函数Helperaddobstacle（地图，障碍宽，障碍，障碍物，障碍物位置）值=（障碍，障碍物）;SetoCcupancy（地图，ropactle划分，值）结束
另请参阅
你也可以从以下列表中选择一个网站:
