设计、仿真和部署用于规划和导航的算法

MathWorks 的 导航工具箱 Navigation Toolbox™ 提供用于设计运动规划和导航系统的算法和分析工具。该工具箱包含可自定义的搜索和基于采样的路径规划器。还包含用于多传感器姿态估计的传感器模型和算法。既可以使用自己的数据创建 2D 和 3D 地图表示形式，也可以使用该工具箱中的即时定位与地图构建 (SLAM) 算法生成地图。帮助文档为自动驾驶和机器人应用场景提供了参考示例。（点击文末“阅读原文”，获取产品试用与帮助文档。）

使用导航工具箱可以生成用于比较路径最优性、平坦度和性能基准的度量指标。可以利用 SLAM map builder 应用程序交互式地显示和调试地图生成。可以直接将算法部署到硬件来测试算法（使用 MATLAB Coder™ 或 Simulink Coder™）。

观看视频介绍 ——

◆  ◆  ◆  ◆

地图构建与定位 ——

使用 SLAM 算法创建环境的占据图。使用姿态估计来定位车辆。

即时定位与地图构建 (SLAM)

使用姿态图优化，通过激光雷达扫描实现 SLAM 算法。使用 SLAM Map Builder 应用程序查找和修改循环闭包。以占据栅格的形式构建和导出生成的地图。

• 通过激光雷达扫描实现即时定位与地图构建 (SLAM)

• 使用 3D 激光雷达点云执行 SLAM

使用 lidar SLAM 生成地图。

定位与姿态估计

运用蒙特卡罗定位法 (MCL)，利用传感器数据和环境地图来估算车辆的位置和方向。

使用惯性传感器和 GPS 估计非完整车辆和飞行器的姿态。在没有GPS的情况下，通过将惯性传感器与高度计或视觉里程表融合来确定姿态。

• 用于惯性导航的 IMU 和 GPS 融合

• 估算地面交通工具的位置和方向

• 使用蒙特卡罗定位法对 Turtlebot 进行定位

室内环境中的蒙特卡罗定位。

2D 和 3D 地图表示形式

使用真实或仿真的传感器读数创建二进制或概率占据栅格。使用查询速度快且内存效率高的以自我为中心的地图。

• 使用距离传感器创建以自我为中心的占据地图

• 使用视觉测距法和优化的姿态图从深度图像构建占据地图

• 占据栅格

3D 占据栅格可视化。

◆  ◆  ◆  ◆

运动规划 ——

使用可扩展路径规划器，选择最优路径，并计算路径跟随的转向命令。

路径规划

使用基于采样的路径规划器，如快速扩展随机树 (RRT) 和 RRT*，查找从起点到目标位置的路径。让规划器接口适应您的应用的状态空间。使用 Dubins 和 Reeds-Shepp 运动基元创建平坦的可行驶路径。

• 使用 RRT 规划移动机器人路径

• 使用 RRT 进行机器人操纵器的运动规划

• 高速公路行驶变换车道

• RRT 路径规划器

利用 RRT* 算法产生的路径。

路径规划的度量

使用度量来验证路径的平坦性和避开障碍。使用数值和视觉比较来选择最佳路径。

• 路径度量对象

路径空隙度量。

路径跟随和控制

调节控制算法以跟随规划的路径。使用车辆运动模型计算转向和速度命令。使用向量场直方图等算法避开障碍物。

• 纯跟踪式控制器

• 向量场直方图

使用纯跟踪式控制器进行路径跟随。

◆  ◆  ◆  ◆

传感器建模与仿真 ——

对各种环境条件下的 IMU、GPS 接收器和距离传感器的测量进行仿真。

传感器模型

对 IMU、GPS 和 INS 传感器进行建模。调节温度和噪声等参数，对真实世界的情况进行仿真。使用距离传感器估算与目标的距离，使用测距传感器测量车辆运动。

• IMU、GPS 和 INS/GPS 建模

• 使用 Allan 方差的惯性传感器噪声分析

IMU 和 GPS 模型。

传感器运动仿真

对车辆方向、速度、轨迹和传感器测量值进行绘图。生成轨迹来模拟传感器的实际行程。将轨迹导出到外部模拟器或场景设计器。

• IMU 测量仿真简介

• 用于惯性导航的 IMU 和 GPS 融合

航点轨迹和速度插值。

◆  ◆  ◆  ◆

跟随示例，快速入门用于设计运动规划和导航系统的算法和分析的工具箱。点击“阅读原文”，获取产品试用与帮助文档。↓↓↓