主要内容

大满贯

2-D和3-D同时定位和绘图

同时定位和映射(SLAM)同时使用这两种方法映射和定位与姿态估计算法建立一个地图，并在同一时间定位你的车辆在地图。使用lidarSLAM调整你自己的SLAM算法，处理激光雷达扫描和里程计提出估计，以迭代构建地图。使用buildMap获取记录和过滤的数据，使用SLAM创建地图。的大满贯地图生成器应用程序可以让你手动修改相对姿势和对齐扫描，以提高准确性的地图。

应用程序

大满贯地图生成器 使用基于激光雷达的SLAM构建二维网格地图

功能

全部展开

ekfSLAM 使用扩展卡尔曼滤波器执行同步定位和映射
正确的 修正状态和状态误差协方差
landmarkInfo 检索具有里程碑意义的信息
poseHistory 检索校正和预测的姿势历史
预测 预测状态和状态误差协方差
removeLandmark 从状态向量中移除地标
重置 重置状态和状态估计误差协方差
lidarSLAM 执行定位和测绘使用激光雷达扫描
addScan 添加扫描到激光雷达SLAM地图
buildMap 根据激光雷达扫描建立占用地图
removeLoopClosures 从姿势图中移除循环闭包
scansAndPoses 提取扫描和相应的姿态
显示 图像扫描和机器人姿势

特色的例子

EKF-Based里程碑式的大满贯

EKF-Based里程碑式的大满贯

同时定位和地图(SLAM)使用扩展卡尔曼滤波(EKF)算法和最大似然算法的数据关联。在本例中，您创建了一辆汽车周围环境的地标地图，并同时跟踪该汽车的路径。通过使用噪声控制命令移动车辆生成轨迹，并使用它在路径上遇到的地标形成地图。通过再次观察地标来修正车辆轨迹和地标估计。
打开生活的脚本
使用AprilTag标记的Landmark SLAM

使用AprilTag标记的Landmark SLAM

将机器人里程测量数据和观察到的基准标记AprilTags结合起来，可以更好地估计机器人的轨迹和环境中的地标位置。
打开生活的脚本
使用三维激光雷达点云执行SLAM

使用三维激光雷达点云执行SLAM

演示了如何利用点云处理算法和位姿图优化对采集的三维激光雷达传感器数据实现同步定位和测绘(SLAM)算法。本例的目标是估计机器人的轨迹，并根据3-D激光雷达点云和估计的轨迹创建环境的3-D占据地图。
打开生活的脚本
利用激光雷达扫描实现同步定位和测绘(SLAM)

利用激光雷达扫描实现同步定位和测绘(SLAM)

演示如何使用位姿图优化在一系列收集的激光雷达扫描上实现同步定位和测绘(SLAM)算法。本例的目标是使用激光雷达扫描并检索机器人的轨迹来构建环境地图。
打开生活的脚本
利用激光雷达扫描实现在线同步定位与测绘

利用激光雷达扫描实现在线同步定位与测绘

演示了如何使用位姿图优化对模拟环境获得的激光雷达扫描进行同步定位和测绘(SLAM)算法。这个例子需要Simulink®3D动画™和导金宝app航工具箱™。
打开生活的脚本

导航工具的文档

金宝app