移动机器人算法设计

映射,路径规划,路径跟踪,状态估计

这些机器人系统工具箱™算法专注于移动机器人或地面车辆的应用。这些算法帮助你的整个移动机器人的工作流程,从测绘规划和控制。您可以使用占用网格环境的地图,开发机器人路径规划算法,在给定的环境,并调整控制器遵循一系列航路点。根据您的机器人激光雷达传感器数据进行状态估计。

功能

全部展开

binaryOccupancyMap 使用二进制值创建占用网格
getOc​​cupancy 获取地点的占用价值
膨胀 膨胀每个已占用的网格位置
移动 在世界框架中移动地图
occupancyMatrix 将占用网格转换为矩阵
raycast 沿着射线计算细胞指数
lidarScan 创建对象存储2-D激光雷达扫描
情节 显示激光或激光雷达扫描读数
removeInvalidData 删除无效的范围和角度数据
transformScan 基于相对位姿变换激光扫描
stateEstimatorPF 创建粒子滤波状态估计
初始化 初始化颗粒过滤器的状态
预测 预测机器人下一步的状态
正确的 根据传感器测量调整状态估计
getStateEstimate 提取颗粒最好的状态估计和协方差
mobileRobotPRM 创建概率地图路径规划
findpath 查找路线起点和目标点之间的路径
controllerPurePursuit 创建控制器来跟踪路径点集
ackermannKinematics 轿车般的转向车辆模型
bicycleKinematics 自行车车型
differentialDriveKinematics 差分驱动车型
unicycleKinematics 独轮车车型

阿克曼运动学模型 轿车般的车辆运动使用阿克曼运动学模型
自行车运动模型 计算轿车般车辆运动用自行车的运动模型
差分驱动运动学模型 使用差动驱动运动学模型计算车辆运动
独轮车运动模型 使用单轮运动学模型计算车辆运动
单纯追求 线性和角速度控制命令

主题

测绘及路径规划

占用网格

入住率网格功能和地图结构的详细信息。

概率路线图(人口、难民和移民事务局)

如何PRM算法的工作和具体调整参数。

在不同复杂的环境路径规划

此示例演示如何使用概率路线图(PRM)路径规划器计算给定地图上两个位置之间的无障碍路径。

与已知的体式映射

这个例子展示了如何创建一个地图的环境使用距离传感器读数和机器人姿势的差异驱动机器人。

规划路径的差分驱动机器人在Simulink金宝app

这个例子演示了如何在Simulink®中执行给定地图上两个位置之间的无障碍路径。金宝app

运动建模

模拟不同的运动学模型的移动机器人

这个例子展示了如何在一个环境中建立不同的机器人运动学模型并进行比较。

机器人控制

纯追求控制器

单纯追求控制器的功能和算法的细节。

差动驱动机器人的路径跟踪

该实施例表明如何控制一个机器人跟随使用机器人仿真的期望路径。

利用Simulink在Gazebo中控制差动机器人金宝app

此示例示出了如何控制利用Simulink中凉亭协同仿真的差分驱动器的机器人。金宝app

状态估计

粒子滤波参数

使用stateEstimatorPF颗粒过滤器时,必须指定参数,例如粒子的数量,初始粒子的位置,以及状态估计方法。

粒子滤波工作流程

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。

使用粒子过滤器跟踪一个类似汽车的机器人

粒子滤波是一种基于采样的递推贝叶斯估计算法stateEstimatorPF对象

特色的例子