使用二维激光雷达的碰撞警告
此示例显示如何使用二维激光雷达数据检测障碍物并警告可能发生的碰撞。
概述
物流仓库正越来越多地在自动导航车辆(AGV)上安装二维激光雷达，以实现导航目的，这是由于传感器的可承受性、远程和高分辨率。传感器辅助碰撞检测是复杂环境下agv安全导航的重要任务。这个例子展示了如何表示一个充满障碍物的机器人工作空间，生成2-D激光雷达数据，检测障碍物，并在即将发生碰撞前提供警告。
创建仓库地图
为了表示机器人工作空间的环境，定义a二进制职业映射(导航工具箱)对象，该对象包含仓库的楼层平面。占用网格中的每个单元格都有一个逻辑值。占用位置表示为1，空闲位置表示为0。您可以使用占用信息生成合成二维激光雷达数据。
在地图上靠近AGV指定路线的地方添加障碍物。
%创建一个二进制仓库地图，并在定义的位置放置障碍地图= helperCreateBinaryOccupancyMap;可视化带有障碍物和AGV的地图图显示（地图）标题(“带障碍物和AGV的仓库平面图”)%添加AGV到地图[5 40 0];甘氨胆酸helperPlotRobot(构成);
模拟二维激光雷达传感器
模拟二维激光雷达传感器使用rangeSensor对象为生成的地图收集激光雷达读数。将包含AGV预定义路径点的mat文件加载到工作空间中。使用模拟的激光雷达传感器返回AGV姿态的距离和角度读数，然后使用距离和角度生成一个lidarScan包含二维激光雷达扫描的对象.
%模拟激光雷达传感器，设置探测角度为[-pi/2 pi/2]激光雷达= rangeSensor;激光雷达。= [-pi/2 pi/2];%设置传感器可检测范围的最小值和最大值，单位为仪表激光雷达。范围= [0 5];%装载AGV通过的航路点负载waypoints.mattraj = waypointsMap;选择一个路径点来可视化扫描数据Vehiclepose=traj（350，：）；%生成激光雷达读数[范围、角度]=激光雷达（车载模式、地图）；存储和可视化二维激光雷达扫描scan = lidarScan(范围，角度);情节(扫描)标题(“自我观”)helperPlotRobot（gca，[0 0车辆用户（3）]）；
建立可视化
设置一个图形窗口，显示AGV在仓库中的移动，相关的激光雷达扫描环境，在鸟瞰图中以填充的圆圈显示障碍，以及用颜色编码的碰撞警告信息。每个警告所使用的颜色表示碰撞的可能性，该可能性基于障碍物在该路径点所占据的检测区域。
%设置显示显示=helperVisualizer；%在显示窗口绘制仓库地图hRobot = plotBinaryMap(display, map, pose);
基于区域的碰撞预警
只有当障碍物落在AGV的探测区域内时，才会出现碰撞警告。
定义检测区域
创建具有不同颜色、形状的自定义可检测区域，并在图形GUI上修改颜色区域的区域。运行下面的代码部分并修改多边形句柄以适应您的检测区域的需求。下面的代码创建了半径为5,2,1米的3个半圆形区域的多边形句柄，AGV位于[0 0]。修改半径或改变多边形对象，以创建自定义检测区域。
figure detAxes = gca;标题(两家,定义检测区域的)轴(de交税，[-2 10 -2 4])xlabel(de交税，“X”)ylabel（detAxes，“Y”)轴(两家,“平等”)网格（detAxes，“小”)t=linspace（-pi/2，pi/2，30）'；%指定颜色值-白色、黄色、橙色、红色颜色=[11；110；10.50；100]；%指定半径，单位为米半径= [5 2 1];%创建一个多边形类型的3x1矩阵detAreaHandles = repmat (images.roi。多边形,[3]);Pos = [cos(t) sint] *半径(1);Pos = [0 -2;pos(真理:);0 2];detAreaHandles (1) = drawpolygon (...“父”两家,...“InteractionsAllowed”,“重塑”,...“位置”、pos、...“StripeColor”,“黑色”,...“颜色”颜色(:));Pos = [cost sin(t)] * radius(2);Pos = [0 -1.5;: pos (19);0 1.5);detAreaHandles (2) = drawpolygon (...“父”两家,...“InteractionsAllowed”,“重塑”,...“位置”、pos、...“StripeColor”,“黑色”,...“颜色”颜色(:));Pos = [cost sin(t)] * radius(3);Pos = [0 -1;: pos (21);0 1];detAreaHandles (3) = drawpolygon (...“父”两家,...“InteractionsAllowed”,“重塑”,...“位置”、pos、...“StripeColor”,“黑色”,...“颜色”、颜色(4:));暂停(2)%暂停以加载检测区域窗口
需要保存已创建的检测区域，使用helperSaveDetectionArea函数。使用轴柄的图形与检测区域的多边形相关联detraeahandles变量作为输入参数。该函数以数据类型矩阵的形式输出检测区域uint8，和一个边界框。检测区域周围的蓝色矩形表示边界框。
axesDet=gca；%包含多边形控制柄的地物窗口的轴[detArea,bbox] = helperSaveDetectionArea(axesDet, detAreaHandles);
%通过缩放颜色使检测区域透明%alphadata=double（detArea~=0）*0.5；ax3 = getDetectionAreaAxes(显示);= imagesc(ax3， [bbox(1) + bbox(3)])，...-[bbox(2) (bbox(2) + bbox(4)]，...detArea);colormap (ax3、颜色);%绘图检测区域plotObstacleDisplay(显示)
运行仿真
检测区域分为红色、橙色、黄色三个级别。每个区域都有特定程度的危险:
红色碰撞迫在眉睫
橙色:碰撞几率高
黄色-采取谨慎措施
不在探测范围内的障碍物与AGV保持安全距离。以下是碰撞警告涉及的主要步骤：
模拟二维激光雷达，提取点云数据。
将点云数据分割成障碍簇。
环行每个障碍物以检查可能的碰撞。
根据障碍物的危险级别发出警告。
显示靠近AGV的障碍物。
移动AGV通过航路点为ij = 27:size(traj, 1) currentPose = traj(ij，:);
模拟二维激光雷达，提取点云数据
使用模拟传感器收集地图的激光雷达读数。从航路点文件加载AGV的当前姿态。使用rangeSensor你创建的对象来获得距离和角度测量。
检索激光雷达扫描[范围、角度]=激光雷达（当前姿态、地图）；扫描=激光雷达扫描（范围、角度）；%将二维扫描存储为点云车= scan.Cartesian;Cart (:， 3) = 0;电脑= pointCloud(购物车);
将点云数据分割为障碍物簇
使用pcsegdist函数将扫描的点云分割为簇，使用点之间的最小欧几里德距离作为分割标准。
基于欧几里得距离将点云分割成簇MindDistance=0.9；[labels，numClusters]=pcsegdist（pc，MindDistance）；
使用地图和扫描数据更新可视化窗口
%更新显示地图updateMapDisplay(显示、hRobot currentPose);%绘制二维激光雷达扫描图plotLidarScan（显示、扫描、当前姿势（3））；删除上次扫描的障碍以绘制下一次扫描线如果存在(“sc”,“var”删除(sc)清晰sc结束
循环遍历每个障碍，找出碰撞的可能性
根据其标签遍历集群，以提取位于其中的点。
nearxy=零（numClusters，2）；maxlevel=-inf；%循环pc中的所有集群为i = 1:numClusters c = find(labels == i);%障碍物XY坐标提取xy =个人电脑。位置(c, 1:2);
将每个障碍物的世界位置转换为摄影机坐标系。
%转换为归一化坐标系(0->检测的最小位置)%面积，1->检测区域最大位置)a=[xy（：，1）xy（：，2）]-repmat（bbox（[12]），[size（xy，1）1]）；b=repmat（bbox（[34]），[size（xy，1）1]）；xy_org=a./b；%区域的坐标系（0,0）->（0,0），（1,1）->（宽度、高度）idx=地板（xy_组织。*repmat（[尺寸（detArea，2）尺寸（detArea，1）]，[尺寸（xy_组织，1），1]）；
提取位于检测区域的障碍点的索引。
%仅提取区域中的坐标作为索引ValidIX=1<=idx（：，1）和1<=idx（：，2）&...idx（：，1）<=大小（detArea，2）&idx（：，2）<=大小（detArea，1）；
对于每个有效障碍点，在检测矩阵中找到相关值。检测矩阵中所有关联点的最大值确定该障碍物所代表的危险等级。根据道路上障碍物的危险程度显示彩色圆圈警告的颜色显示窗口的窗格。
%绕过索引，从detArea获得每个障碍物的级别cols=idx（validix，1）；rows=idx（validix，2）；levels=double（detArea（sub2ind）（size（detArea），rows，cols））；如果~isempty(levels) level = max(levels);Maxlevel = max(Maxlevel, level);xyInds =找到(validIdx);xinds = xinds (level == level);%获取检测区域内障碍物的最近坐标nearxy（i，：）=helpernearobstacks（xy（xyInds，：）；其他的找出障碍物在集群中最近的坐标nearxy(i，:) = helperNearObstacles(xy);结束结束%显示表示危险级别的警告颜色。如果%障碍物不在检测区域内，不显示颜色。开关maxlevel%红色区域情况下3圈显示（显示，颜色（4，：）%的橙色区域情况下2 circleDisplay(显示，颜色(3，:)))%的黄色区域情况下1圈显示（显示，颜色（2，：）%默认情况下否则circleDisplay(显示、[])结束
显示距离AGV最近的障碍物点
由于仓库中的障碍物大多是线性的，并且是长的，所以只显示每个障碍物群中最接近AGV的点。障碍物显示为填充的圆圈鸟瞰图显示窗口的窗格。
为我= 1:numClusters如果在坐标轴的范围内存在障碍显示sc(i，:) = displayObstacles(display, nearxy(i，:)); / /显示障碍物结束updateDisplay(显示)暂停(0.01)结束
万博1manbetx支持文件
helperCreateBinaryOccupancyMap创建机器人工作区的仓库地图
函数地图= helperCreateBinaryOccupancyMap ()% helperCreateBinaryOccupancyMap创建一个指定的仓库映射%分辨率作为参数传递给binaryOccupancyMapmap = binaryOccupancyMap(100, 80, 1);Occ = 0 (80, 100);Occ (1，:) = 1;Occ (end，:) = 1;Occ ([1:30, 51:80]， 1) = 1;Occ ([1:30, 51:80]， end) = 1;Occ (40, 20:80) = 1;Occ (28:52， [20:21 32:33 44:45 56:57 68:69 80:81]) = 1;Occ (1:12， [20:21 32:33 44:45 56:57 68:69 80:81]) = 1;Occ (end-12:end， [20:21 32:33 44:45 56:57 68:69 80:81]) = 1;%设置位置的占用率值setOccupancy(地图,occ);在地图的特定位置添加障碍。输入% helperAddObstacle是obstacleWidth, obstacleHeight和obstacleocation。帮助者障碍（地图，5,5[10,30]）；帮助者障碍（地图，5，5，[20，17]）；帮助者障碍（地图，5，5，[40，17]）；结束%helperAddObstacle在占用地图上增加障碍函数helperaddobstack（映射，obstacleight，obstacleight，obstacleight）值=个（obstacleight，obstacleidth）；设置占用率（地图、障碍物位置、值）结束
另见
二进制职业映射(导航工具箱)|lidarScan|rangeSensor|pcsegdist
你也可以从以下列表中选择一个网站:
