主要内容

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应用。这些算法帮助您完成从映射到规划和控制的整个移动机器人工作流程。您可以使用占用网格创建环境地图,为给定环境中的机器人开发路径规划算法,并调整控制器以跟踪一组航路点.根据机器人的激光雷达传感器数据执行状态估计。

功能

全部展开

二进制职业映射 使用二进制值创建占用率栅格
入住 获取位置的占用率值
膨胀 为每个占用的网格位置充气
移动 在世界框架中移动地图
职业矩阵 将占用率网格转换为矩阵
雷卡斯特 沿射线计算单元索引
利达斯卡纳 创建用于存储二维激光雷达扫描的对象
情节 显示激光或激光雷达扫描读数
删除未登录数据 删除无效的范围和角度数据
变换扫描 基于相对位姿的变换激光扫描
状态估计 创建粒子滤波器状态估计器
初始化 初始化粒子过滤器的状态
预测 在下一时间步预测机器人的状态
对的 基于传感器测量调整状态估计
getStateEstimate 从粒子中提取最佳状态估计和协方差
移动机器人 创建概率路线图路径规划器
查找路径 在路线图上查找起点和目标点之间的路径
控制器追踪 创建控制器以跟踪一组航路点
阿克曼运动学 汽车式转向车模型
双线性 单车模型
差动传动运动学 差动式驱动车辆模型
单循环线性 独轮车模型

阻碍

阿克曼运动学模型 基于Ackermann运动学模型的类汽车运动
自行车运动学模型 利用自行车运动学模型计算类汽车运动
差动传动运动学模型 使用差速器驱动运动学模型计算车辆运动
独轮车运动学模型 使用单轮运动学模型计算车辆运动
纯粹的追求 线速度和角速度控制命令

话题

地图绘制与路径规划

占用网格

居住网格功能和地图结构的详细信息。

概率路线图(PRM)

PRM算法的工作原理和具体的调整参数。

不同复杂度环境下的路径规划

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。

使用已知姿势进行贴图

此示例演示如何使用差速驱动机器人的范围传感器读数和机器人姿势创建环境地图。

Simulink中差动驱动机器人的路径规划金宝app

此示例演示如何在Simulink®中的给定地图上的两个位置之间执行无障碍路径。金宝app

运动建模

移动机器人运动学方程

了解有关移动机器人运动学方程的详细信息,包括独轮车、自行车、差速驱动和阿克曼模型。

为移动机器人模拟不同的运动学模型

此示例演示如何在环境中为不同的机器人运动学模型建模并进行比较。

机器人控制

纯追踪控制器

纯追踪控制器功能和算法细节。

差动驱动机器人的路径跟踪

这个例子演示了如何使用机器人模拟器来控制机器人沿着期望的路径前进。

基于Simulink的露台差速驱动机器人控制金宝app

这个例子展示了如何使用Simulink在Gazebo联合仿真中控制差动驱动机器人。金宝app

状态估计

粒子滤波参数

使用状态估计粒子滤波时,必须指定粒子数、初始粒子位置和状态估计方法等参数。

粒子过滤器工作流

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汽车机器人

粒子滤波是一种基于采样的递归贝叶斯估计算法,在状态估计对象

特色实例