导航与测绘
点云配准和地图构建,二维和三维SLAM,二维障碍物检测
先进驾驶辅助系统(ADAS)应用程序和自动驾驶机器人的一个关键组件是能够感知车辆或机器人相对于周围环境的位置,并使用这些信息来估计到达目的地的最佳路径。同步定位和映射(SLAM)过程使用算法同时估计车辆的姿态和环境地图。
Lidar Toolbox™提供了一个点云配准工作流,使用快速点特征直方图(FPFH)算法将点云序列拼接在一起。您可以将此功能用于渐进式地图构建。这样的地图可以方便车辆导航的路径规划,也可以用于SLAM。的示例,说明如何使用extractFPFHFeatures
函数在空中数据的3-D SLAM工作流中,请参见使用FPFH描述符的航空激光雷达SLAM.
激光雷达工具箱还提供扫描匹配和模拟距离轴承传感器读数的功能。这些特性用于2-D SLAM和障碍检测工作流程
功能
主题
- 在MATLAB中实现点云SLAM
了解点云配准和映射工作流程。
- 利用特征估计两点云之间的变换
这个例子展示了如何估计两个点云之间的刚性变换。
- 匹配和可视化点云中的相应特征
属性来匹配点云之间的对应特征
pcmatchfeatures
函数并可视化它们pcshowMatchedFeatures
函数。