传感器融合

使用头部跟踪双耳音频渲染

通过融合从IMU接收的数据，然后通过应用头部相关传输函数（HRTF）来控制声源的到达方向进行轨道前导。

通过惯性传感器融合估算方向

此示例显示如何使用6轴和9轴融合算法来计算方向。

记录传感器数据对齐以进行方向估计

此示例显示了如何对齐和预处理记录的传感器数据。

使用QuaterNion Slerp的低通滤波器方向

此示例显示如何使用球面线性插值（SLERP）来创建四元数和低通滤波器嘈杂轨迹的序列。

异步传感器的姿态估计

此示例显示了如何以不同的速率熔断传感器来估算姿势。

选择惯性传感器融合过滤器

惯性传感器融合滤波器的适用性和限制。

用互补滤波器和IMU数据估算方向

此示例显示如何使用互补滤波器从Arduino流和估算方向进行流。

使用惯性传感器融合和MPU-9250估算取向

此示例显示了如何从Invensense 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。

使用BNO055无线数据流和传感器融合

此示例显示了如何通过HC-05Bluetooth®模块从Bosch BNO055 IMU传感器获取数据，并在传感器数据上使用9轴AHRS融合算法来计算设备的方向。

定制调整融合过滤器

使用调优化多个融合过滤器的噪声参数的功能，包括ahrsfilter.目的。

本地化算法

使用Monte Carlo本地化的Turtlebot

此示例演示了Monte Carlo本地化（MCL）算法在MurtleBot®中的应用程序在模拟的Gazebo®环境中的应用。

用姿势变化组成一系列激光扫描

使用匹配用于计算一系列激光扫描之间的姿势差异的功能。

使用IMU最小化基于网格的LIDAR扫描匹配中的搜索范围

该示例显示了如何使用惯性测量单元（IMU）来最小化扫描匹配算法的旋转角度的搜索范围。

使用姿势图减少3-D视觉测量轨迹的漂移

此示例显示如何使用3-D姿态图优化来减少单眼相机的估计轨迹（位置和方向）的漂移。

蒙特卡罗定位算法

Monte Carlo定位（MCL）算法用于估计机器人的位置和方向。

粒子滤波器参数

用来最终attomatorpf.（机器人系统工具箱）粒子过滤器，必须指定诸如粒子，初始粒子位置和状态估计方法的参数。

粒子过滤器工作流程

粒子过滤器是递归，贝叶斯状态估计器，使用离散粒子来近似估计状态的后部分布。