定位和姿态估计
惯性导航，姿态估计，扫描匹配，蒙特卡罗定位
使用定位和姿态估计算法在您的环境中定位您的车辆。传感器姿态估计使用过滤器来改进和合并IMU、GPS和其他传感器的读数。定位算法，如蒙特卡罗定位和扫描匹配，估计您的姿态在一个已知的地图使用距离传感器或激光雷达读数。姿态图跟踪您估计的姿态，可以根据边缘约束和循环闭包进行优化。有关同步本地化和映射，请参阅大满贯。
功能
主题
传感器融合
这个例子展示了如何使用6轴和9轴融合算法来计算方向。
这个例子展示了如何对齐和预处理记录的传感器数据。
这个例子展示了如何使用球面线性插值(SLERP)来创建四元数序列和低通滤波器噪声轨迹。
这个示例展示了如何以不同的速率融合传感器来估计姿态。
这个例子展示了如何从Arduino中传输IMU数据，并使用一个互补的过滤器来估计方向。
这个例子展示了如何从InvenSense的MPU-9250 IMU传感器获取数据，并在传感器数据中使用6轴和9轴融合算法来计算设备的方向。
定位算法
使用matchScans函数计算一系列激光扫描之间的位姿差。
这个例子展示了如何使用惯性测量单元(IMU)来最小化扫描匹配算法旋转角度的搜索范围。
这个例子展示了如何使用3d位姿图优化来减少单目相机估计轨迹(位置和方向)中的漂移。
利用蒙特卡罗定位(MCL)算法来估计机器人的位置和方向。
使用stateEstimatorPF粒子过滤器，你必须指定参数，如粒子的数目，粒子的初始位置，和状态估计方法。
粒子滤波器是一种递归的贝叶斯状态估计器，它使用离散粒子来近似估计状态的后验分布。
特色的例子
你也可以从以下列表中选择一个网站:
