帮助中心帮助中心
使用本地化和姿势估计算法使您的车辆在环境中定向。惯性传感器融合使用过滤器来改进和组合IMU,GPS和其他人的传感器读数。诸如蒙特卡洛定位和扫描匹配之类的定位算法,使用范围传感器或激光雷达读数估算您的姿势。姿势图跟踪您的估计姿势,可以根据边缘约束和循环封闭来优化。
要对特定的传感器进行建模,请参见传感器模型。
对于同时本地化和映射,请参阅大满贯。
您可能如何构建适用于无人机(UAV)或四轮驱动器的IMU + GPS融合算法。
使用惯性测量单元(IMU)和单眼相机估算地面车辆的姿势(位置和方向)。在此示例中,您:
MATLAB Mobile™报告了Apple或Android移动设备上加速度计,陀螺仪和磁力计的传感器数据。可以获得来自每个传感器或融合方向数据的原始数据。此示例显示了如何将手机的融合方向数据与AHRSFILTER对象的方向估算进行比较。
通过融合惯性测量单元(IMU)和全球定位系统(GPS)接收器的数据来估算地面车辆的位置和方向。
结合了机器人的探光图和观察到的称为Apriltags的基准标记,以更好地估计机器人轨迹和环境中的地标位置。
使用3D姿势图优化,减少单眼相机的估计轨迹(位置和方向)的漂移。视觉探测器估计相机的当前全局姿势(当前帧)。由于匹配不佳或3点三角剖分中的错误,机器人轨迹通常往往会从地面真相中漂移。循环闭合检测和姿势图优化减少了此漂移并纠正错误。
您单击了与此MATLAB命令相对应的链接:
通过在MATLAB命令窗口中输入该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站以获取可用的翻译内容,并查看本地事件和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。
联系您当地的办公室