传感器融合

使用头部跟踪的双耳音频渲染

通过融合从IMU接收到的数据跟踪头的方向，然后利用头相关传递函数(HRTF)控制声源到达的方向。

通过惯性传感器融合估计方向

这个例子展示了如何使用6轴和9轴融合算法来计算方向。

用于方位估计的记录传感器数据对齐

这个示例展示了如何对齐和预处理已记录的传感器数据。

使用四元数SLERP的低通滤波器定位

这个例子展示了如何使用球面线性插值(SLERP)来创建四元数序列和低通滤波器噪声轨迹。

来自异步传感器的姿态估计

这个例子展示了如何以不同的速度融合传感器来估计姿态。

选择惯性传感器融合滤波器

惯性传感器融合滤波器的适用性和局限性。

用互补滤波器和IMU数据估计方向

这个例子展示了如何从Arduino传输IMU数据，并使用互补过滤器估计方向。

利用惯性传感器融合和MPU-9250估计方向

该示例演示了如何从InvenSense MPU-9250 IMU传感器获取数据，并在传感器数据中使用6轴和9轴融合算法来计算设备的方向。

基于BNO055的无线数据流和传感器融合

此示例显示如何通过HC-05 Bluetooth®模块从Bosch BNO055 IMU传感器获取数据，并在传感器数据上使用9轴AHRS融合算法来计算设备的方向。

自定义调优融合滤波器

使用调优函数优化多个融合滤波器的噪声参数，包括ahrsfilter对象

定位算法

用蒙特卡洛定位乌龟机器人

这个例子演示了蒙特卡罗定位(MCL)算法在模拟Gazebo®环境下的TurtleBot®上的应用。

通过改变姿势进行一系列激光扫描

使用matchScans函数来计算一系列激光扫描之间的位姿差。

基于IMU的网格激光雷达扫描匹配搜索范围最小化

此示例显示如何使用惯性测量单元（IMU）最小化扫描匹配算法的旋转角度搜索范围。

利用位姿图减少三维视觉里程计轨迹漂移

这个例子展示了如何使用三维姿态图优化减少单目摄像机估计轨迹(位置和方向)中的漂移。

蒙特卡罗定位算法

采用蒙特卡罗定位(MCL)算法估计机器人的位置和姿态。

粒子滤波参数

使用stateEstimatorPF(Robotics System Toolbox)粒子滤波器，您必须指定参数，如粒子的数量，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。