主要内容

移动机器人算法设计

映射,路径规划,路径跟随,状态估计

这些机器人系统的工具箱™算法专注于移动机器人或地面车辆应用。这些算法可帮助您使用整个移动机器人工作流程从映射到规划和控制。您可以使用占用网格创建环境的地图,在给定环境中开发机器人的路径规划算法,以及调整控制器遵循一组航点。根据机器人的LIDAR传感器数据执行状态估计。

职能

展开全部

binaryoccupancymap. 使用二进制值创建占用网格
getOc​​upancy. 获得地点的入住价值
膨胀 膨胀每个被占用的网格位置
移动 在世界框架中移动地图
占领yatmatrix. 将占用网格转换为矩阵
雷播 沿线计算单元指数
Lidarscan. 创建用于存储2-D LIDAR扫描的对象
阴谋 显示激光或激光扫描读数
删除invaliddata. 删除无效的范围和角度数据
变形扇 基于相对姿势的变换激光扫描
最终attomatorpf. 创建粒子滤波器状态估计器
初始化 初始化粒子滤波器的状态
预测 在下次步骤中预测机器人状态
正确的 基于传感器测量调整状态估计
GetStateEstimate 从粒子中提取最佳状态估计和协方差
Mobilerobotprm. 创建概率路线图路径规划员
FindPath. 在路线图上查找开始和目标点之间的路径
ControllerPurePURSUIT. 创建控制器以遵循WayPoints
Ackermannkwematics. 汽车般的转向车型
骑自行车丝治疗 自行车车型
差异模糊酮 差动驱动车辆模型
单自旋克云学 单轮脚踏车车型

Ackermann运动模型 使用Ackermann运动模型的汽车状车辆运动
自行车运动模型 使用自行车运动模型计算汽车样车辆运动
差分驱动运动型号 使用差分驱动运动型模型计算车辆运动
单轮脚踏车运动模型 使用单轮脚踏车运动模型计算车辆运动
纯粹的追求 线性和角速度控制命令

话题

映射和路径规划

占用网格

占用网格功能和地图结构的详细信息。

概率路线图(PRM)

PRM算法如何工作和特定的调整参数。

不同复杂性环境中的路径规划

此示例演示了如何使用概率路线图(PRM)路径规划器来计算给定地图上的两个位置之间的障碍路径。

用已知的姿势映射

此示例显示如何使用范围传感器读取和机器人姿势为差分驱动机器人创建环境的地图。

Simulink中差动驱动机器人的计划路径万博1manbetx

此示例演示了如何在Simulink®中的给定地图上执行两个位置之间的障碍路径。万博1manbetx

运动建模

模拟移动机器人的不同运动模型

此示例显示如何在环境中建模不同的机器人运动学模型并比较它们。

机器人控制

纯粹的追求控制器

纯追求控制器功能和算法详细信息。

差动驱动机器人的路径

此示例演示如何使用机器人模拟器控制机器人遵循所需路径。

用Simulink控制凉亭中的差动驱动机器人万博1manbetx

此示例显示如何使用Simulink控制Gazebo共模中的差分驱动机器人。万博1manbetx

国家估计数

粒子滤波器参数

用来最终attomatorpf.粒子滤波时,必须指定粒子数、初始粒子位置和状态估计方法等参数。

粒子过滤器工作流程

粒子过滤器是递归,贝叶斯状态估计器,使用离散粒子来近似估计状态的后部分布。

使用粒子过滤器跟踪汽车样机器人

粒子滤波器是一种基于采样的递归贝叶斯估计算法,其在中实现最终attomatorpf.目的。

特色例子