使用ekfSLAM可靠的具有里程碑意义的同时实现本地化和映射(大满贯)使用扩展卡尔曼滤波(EKF)算法和最大似然算法进行数据关联。在本例中,您创建一个具有里程碑意义的地图的实时环境的车辆,同时跟踪车辆的路径。生成一个轨迹通过移动车辆使用的控制命令,并形成地图使用地标遇到沿着路径。正确的车辆轨迹和具有里程碑意义的估计通过观察地标。

结合机器人测距数据和观察到的基准标记称为AprilTags更好地估计机器人轨迹和在环境中具有里程碑意义的位置。

演示如何实现同步定位和映射(大满贯)算法收集使用点云三维激光雷达传感器数据处理算法和姿势图优化。这个例子的目的是估计机器人的轨迹,并创建一个3 d入住率的环境地图的三维激光雷达点云,估计轨迹。

演示如何实现同步定位和映射(大满贯)算法使用带来一系列收集的激光雷达扫描图的优化。这个例子的目的是建立一个使用激光雷达扫描的地图环境和检索机器人的轨迹。

演示如何实现同步定位和映射(大满贯)算法对激光雷达扫描获得使用姿势图模拟环境的优化。这个例子需要仿真软件®3 d动画™和导航工具万博1manbetx箱™。