这些机器人系统工具箱™算法专注于移动机器人应用(即地面车辆)。这些课程帮助您了解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,执行同步定位和映射(SLAM),为给定环境中的机器人开发路径规划,并调整控制器以遵循一组路径点。此外,您还可以根据机器人的传感器数据执行避障、状态估计和定位。
详细的入住率网格功能和地图结构。
PRM算法的工作原理和具体的调优参数。
这个例子演示了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。
这个例子展示了如何使用距离传感器读数创建环境地图,如果在传感器读数时机器人的位置已知。
使用扫描匹配组成一系列激光扫描
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。
纯追求控制器的功能和算法细节。
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。
VFH算法细节和可调属性。
这个例子展示了如何使用带有矢量场直方图(VFH)的TurtleBot®来执行在环境中驾驶机器人时的避障。
一个粒子滤波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。
一个粒子滤波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。
粒子滤波是一种基于采样的递归贝叶斯估计算法。
采用蒙特卡罗定位(MCL)算法估计机器人的位置和姿态。
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。
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。
这个例子演示了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。
这个例子演示了如何使用位姿图优化对从模拟环境获得的激光雷达扫描实现同步定位和测绘(SLAM)算法。