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™算法关注移动机器人或地面车辆应用程序。这些算法帮助你与整个移动机器人工作流从映射到计划和控制。您可以创建的地图使用占用网格环境,制定机器人路径规划算法在给定的环境中,和优化控制器遵循一套锚点。基于激光雷达传感器数据执行状态估计从你的机器人。
功能
块
主题
映射和路径规划
- 占用网格
占用网格地图的功能和结构的细节。 - 概率路线图(人口、难民和移民事务局)
人口、难民和移民事务局算法的工作原理和具体的调优参数。 - 路径规划在环境中不同的复杂性
这个案例展示了如何计算地图上一个给定的两个地点之间的无障碍路径使用概率路线图(人口、难民和移民事务局)路径规划。 - 映射与已知的姿势
这个例子展示了如何创建一个环境的地图使用范围传感器读数和机器人提出了差动驱动机器人。 - 计划路径差动驱动机器人仿真软件金宝app
这个案例展示了如何执行一个地图上一个给定的两个地点之间的无障碍路径模型®。金宝app
运动建模
- 移动机器人运动学方程
细节了解移动机器人运动学方程包括独轮车,自行车,微分,和阿克曼模型。 - 模拟不同的移动机器人运动学模型
这个例子展示了如何在一个环境模型不同的机器人运动学模型和比较。
机器人控制
- 纯追求控制器
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
这个例子演示了如何控制机器人跟踪期望路径使用机器人模拟器。 - 在露台控制差动驱动机器人仿真软件金宝app
这个例子展示了如何控制差动驱动机器人在露台使用仿真软件联合仿真。金宝app
状态估计
- 粒子滤波参数
使用stateEstimatorPF
粒子滤波,您必须指定参数如粒子数、初始粒子位置和状态估计方法。 - 粒子滤波的工作流
粒子滤波是一种递归的贝叶斯状态估计量,利用离散粒子近似估计状态的后验分布。 - 使用粒子滤波跟踪轮式机器人
粒子滤波是一种sampling-based递推贝叶斯估计的算法,实现stateEstimatorPF
对象。