Diese Seite wurde mithilfe maschineller Übersetzung übersetzt. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

SLAM

Simultane 2D- und 3D-Lokalisierung und -Kartierung

Bei der simultanen Lokalisierung und Kartierung (SLAM) werden sowohl Kartierung- als auch Lokalisierung und Posenbestimmung-Algorithmen verwendet, um eine Karte zu erstellen und Ihr Fahrzeug gleichzeitig in dieser Karte zu lokalisieren. Verwenden Sie lidarSLAM, um Ihren eigenen SLAM-Algorithmus zu optimieren, der Lidar-Scans und Odometrie-Pose-Schätzungen verarbeitet, um iterativ eine Karte zu erstellen. Verwenden Sie buildMap, um protokollierte und gefilterte Daten zu verwenden und mit SLAM eine Karte zu erstellen. Mit der SLAM Map Builder-App können Sie relative Posen manuell ändern und Scans ausrichten, um die Genauigkeit Ihrer Karte zu verbessern.

Weitere Informationen zu SLAM und anderen SLAM-Tools in anderen MATLAB®-Toolboxen finden Sie unter Was ist SLAM?.

Apps

SLAM Map BuilderErstellen Sie 2D-Rasterkarten mit SLAM auf Lidar-Basis

Funktionen

alle erweitern

ekfSLAMPerform simultaneous localization and mapping using extended Kalman filter (Seit R2021b)
lidarSLAM Perform localization and mapping using lidar scans
buildMapBuild occupancy map from lidar scans
poseGraph Create 2-D pose graph
poseGraph3D Create 3-D pose graph
poseGraphSolverOptionsSolver options for pose graph optimization
optimizePoseGraphOptimize nodes in pose graph
trimLoopClosuresOptimize pose graph and remove bad loop closures
poseplot3-D pose plot (Seit R2021b)
factorGraphGraph-based framework for multisensor state estimation (Seit R2022a)
importFactorGraphImport factor graph from g2o log file (Seit R2022a)
factorIMUConvert IMU readings to factor (Seit R2022a)
factorGPSFactor for GPS measurement (Seit R2022a)
factorTwoPoseSE2Factor relating two SE(2) poses (Seit R2022a)
factorTwoPoseSE3Factor relating two SE(3) poses (Seit R2022a)
factorPoseSE2AndPointXYFactor relating SE(2) position and 2-D point (Seit R2022b)
factorPoseSE3AndPointXYZFactor relating SE(3) position and 3-D point (Seit R2022b)
factorIMUBiasPriorPrior factor for IMU bias (Seit R2022a)
factorVelocity3PriorPrior factor for 3-D velocity (Seit R2022a)
factorPoseSE3PriorFull-state prior factor for SE(3) pose (Seit R2022a)
factorCameraSE3AndPointXYZFactor relating SE(3) camera pose, 3-D landmark point, and optional sensor transform (Seit R2023a)
estimateGravityRotationEstimate gravity rotation using factor graph optimization (Seit R2023a)
estimateGravityRotationAndPoseScaleEstimate gravity rotation and pose scale using factor graph optimization (Seit R2023a)
estimateCameraIMUTransformEstimate transformation from camera to IMU sensor using calibration data (Seit R2024a)

Themen

Enthaltene Beispiele

Performant and Deployable Monocular Visual SLAM

Performant and Deployable Monocular Visual SLAM

Visual simultaneous localization and mapping (vSLAM) refers to the process of calculating the position and orientation of a camera with respect to its surroundings while simultaneously mapping the environment. Applications for vSLAM include augmented reality, robotics, and autonomous driving. In this example, the algorithm uses only visual inputs from the camera.

Build a Map from Lidar Data Using SLAM

Build a Map from Lidar Data Using SLAM

Process 3-D lidar data from a sensor on a vehicle to progressively build a map and estimate the trajectory using SLAM.

Monocular Visual-Inertial Odometry (VIO) Using Factor Graph

Monocular Visual-Inertial Odometry (VIO) Using Factor Graph

Implement monocular visual-inertial odometry to localize a UAV using camera and IMU data, optimized by a factor graph.

Landmark SLAM Using AprilTag Markers

Landmark SLAM Using AprilTag Markers

Combine robot odometry data and AprilTag markers to implement SLAM with a factor graph and pose graph, and compare the results.

Map Indoor Area Using Lidar SLAM and Factor Graph

Map Indoor Area Using Lidar SLAM and Factor Graph

Implement offline lidar SLAM on collected lidar scans to map an indoor area using a factor graph and lidar scan map.

Build and Deploy Visual SLAM Algorithm with ROS in MATLAB

Build and Deploy Visual SLAM Algorithm with ROS in MATLAB

Implement a monocular visual SLAM algorithm to estimate camera poses and deploy generated C++ code using ROS.

Simulate RGB-D Visual SLAM System with Cosimulation in Gazebo and Simulink

Simulate RGB-D Visual SLAM System with Cosimulation in Gazebo and Simulink

Use RGB and depth images from a robot to simulate a RGB-D visual SLAM system in Simulink.

EKF-Based Landmark SLAM

EKF-Based Landmark SLAM

Implement landmark SLAM using the Extended Kalman Filter algorithm to track the path of a vehicle and map the surroundings.

Implementieren Sie Simultaneous Localization And Mapping (SLAM) mit Lidar-Scans

Implementieren Sie Simultaneous Localization And Mapping (SLAM) mit Lidar-Scans

Implementieren Sie Offline-SLAM mithilfe eines Pose-Graphen und einer Sammlung von Lidar-Scans und erstellen Sie eine Karte der Umgebung.