主要内容

定位算法

粒子过滤器,扫描匹配、蒙特卡罗定位、构成图形、量距

定位算法、蒙特卡罗定位和扫描匹配,估计你的姿势在一个已知的地图使用范围传感器或激光雷达数据。可以优化构成图形跟踪你估计姿态和基于边缘约束和循环闭包。同步定位和映射,看到大满贯

功能

全部展开

stateEstimatorPF 创建粒子滤波状态估计量
getStateEstimate 从粒子提取最佳状态估计和协方差
预测 预测下一个时间步的机器人
正确的 调整状态估计基于传感器测量
matchScans 估计构成两个激光扫描
matchScansGrid 估计构成两个激光雷达扫描使用基于网格搜索
matchScansLine 估计构成两个激光扫描使用线特性
transformScan 基于相对姿态变换激光扫描
lidarScan 创建对象来存储二维激光雷达扫描
monteCarloLocalization 本地化机器人使用范围传感器数据和地图
lidarScan 创建对象来存储二维激光雷达扫描
getParticles 从定位算法得到的粒子
odometryMotionModel 创建一个测程法运动模型
likelihoodFieldSensorModel 创建一个可能性领域范围传感器模型
resamplingPolicyPF 创建重采样和重采样策略对象设置
poseGraph 创建二维构成图
poseGraph3D 创建三维构成图
poseplot 三维构成情节
addPointLandmark 添加里程碑点节点构成图
addRelativePose 添加相对对构成图
edgeNodePairs 边缘节点对构成图
edgeConstraints 边缘约束构成图
edgeResidualErrors 计算构成图边缘残留的错误
findEdgeID 找到边缘的边缘ID
nodeEstimates 提出了构成图中的节点
optimizePoseGraph 优化节点构成图
removeEdges 从图删除循环闭合边缘
显示 情节构成图
trimLoopClosures 优化构成图和删除不良循环闭包
factorGraph 两偶图的因素和节点
factorGraphSolverOptions 解算器的选择因素图
importFactorGraph 日志文件从g2o进口因素图
factorIMU IMU数据转换为因素
factorIMUParameters IMU因素参数
factorGPS 因素对GPS测量
factorTwoPoseSE2 两个SE(2)构成相关的因素
factorTwoPoseSE3 两个SE(3)提出了相关的因素
factorPoseSE2AndPointXY 因素有关SE(2)和二维点位置
factorPoseSE3AndPointXYZ SE(3)位置和3 d点相关的因素
factorIMUBiasPrior 之前IMU偏见的因素
factorVelocity3Prior 先前对三维速度的因素
factorPoseSE3Prior 全状态之前因素SE(3)构成
factorCameraSE3AndPointXYZ SE(3)相机的姿势有关的因素和三维点
estimateGravityRotation 使用IMU测量和估计重力旋转因子图优化
estimateGravityRotationAndPoseScale 估计重力旋转和构成规模使用IMU测量和优化因素图
wheelEncoderOdometryAckermann 计算阿克曼汽车测程法使用车轮编码器蜱虫和转向角
wheelEncoderOdometryBicycle 计算自行车测程法使用车轮编码器蜱虫和转向角
wheelEncoderOdometryDifferentialDrive 计算差动传动车辆使用车轮编码器蜱虫量距
wheelEncoderOdometryUnicycle 计算独轮车测程法使用车轮编码器蜱虫和角速度

主题