Navigation Toolbox
Entwerfen, Simulieren und Bereitstellen von Algorithmen für Planung und Navigation
Die Navigation Toolbox™ bietet Algorithmen und Analysetools für das Design von Bewegungsplanungs- und Navigationssystemen. Die Toolbox umfasst eine benutzerdefinierbare Suche und Sampling-basierte Wegplaner. Außerdem enthält sie Sensormodelle und Algorithmen zur Schätzung von Posen mit mehreren Sensoren. Sie können 2D- und 3D-Kartendarstellungen mit Ihren eigenen Daten erstellen oder Karten mit den in der Toolbox enthaltenen SLAM-Algorithmen (Simultaneous Localization and Mapping, gleichzeitige Lokalisierung und Kartenerstellung) generieren. Es werden Referenzbeispiele für selbstfahrende Fahrzeuge und Robotikanwendungen bereitgestellt.
Sie können Metriken zum Vergleichen von Wegoptimierungs-, Glätte- und Leistungs-Benchmarks generieren. Mit der SLAM Map Builder-App können Sie die Kartengenerierung interaktiv visualisieren und debuggen. Sie können Ihre Algorithmen testen, indem Sie sie direkt auf Hardware bereitstellen (mit MATLAB Coder™ oder Simulink Coder™).
Jetzt beginnen:
SLAM (Simultaneous Localization and Mapping)
Implementieren Sie SLAM-Algorithmen mit LiDAR-Scans unter Verwendung von Pose Graph Optimization. Verwenden Sie die SLAM Map Builder-App, um Schleifenschließungen zu finden und zu ändern. Erstellen und exportieren Sie die resultierende Karte als Belegungsgitter.
Kartengenerierung mit LiDAR-SLAM.
Lokalisierung und Pose Estimation
Nutzen Sie die Monte-Carlo-Lokalisierung (MCL), um die Position und Orientierung eines Fahrzeugs anhand von Sensordaten und einer Umgebungskarte zu schätzen.
Schätzen Sie die Pose von nichtholonomen Fahrzeugen und von Luftfahrzeugen mithilfe von Trägheitssensoren und GPS. Ermitteln Sie die Pose ohne GPS, indem Sie Trägheitssensoren mit Höhenmessern oder visueller Odometrie zusammenführen.
Monte-Carlo-Lokalisierung in einer Innenraumumgebung.
2D- und 3D-Kartendarstellungen
Erstellen Sie ein binäres oder probabilistisches Belegungsgitter mit realen oder simulierten Sensormesswerten. Verwenden Sie egozentrische Karten, die schnell abfragbar und speichereffizient sind.
3D-Visualisierung eines Belegungsgitters.
Wegplanung
Verwenden Sie Sampling-basierte Wegplaner wie RRT (Rapidly-Exploring Random Tree) und RRT*, um einen Weg vom Start- zum Zielort zu finden. Passen Sie die Planerschnittstelle an den Zustandsraum Ihrer Anwendung an. Verwenden Sie Motion Primitives nach Dubins und Reeds-Shepp, um glatte, fahrbare Wege zu erzeugen.
Weg vom RRT*-Algorithmus.
Metriken für die Wegplanung
Verwenden Sie Metriken, um Wege im Hinblick auf Glätte und Abstand von Hindernissen zu validieren. Wählen Sie mithilfe numerischer und visueller Vergleiche den besten Weg.
Metrik für den Abstand eines Wegs von Hindernissen.
Wegverfolgung und Steuerungen
Abstimmung von Steuerungsalgorithmen zur Einhaltung eines geplanten Weges. Berechnen Sie Lenk- und Geschwindigkeitsbefehle mithilfe von Fahrzeugbewegungsmodellen. Vermeiden Sie Hindernisse mit Algorithmen wie dem Vektorfeld-Histogramm.
Wegverfolgung mit Pure-Pursuit-Steuerung.
Sensormodelle
Modellieren Sie IMU-, GPS- und INS-Sensoren. Passen Sie Parameter wie Temperatur und Rauschen an, um reale Bedingungen zu simulieren. Schätzen Sie Entfernungen zu Objekten mit Bereichssensoren und messen Sie die Fahrzeugbewegung mit Odometriesensoren.
Galerie erkunden (3 Bilder)
Simulation von Sensorbewegungen
Stellen Sie die Orientierung, Geschwindigkeit, Bewegungsbahnen und Sensormessungen eines Fahrzeugs dar. Generieren Sie Bewegungsbahnen, um Sensoren zu emulieren, die sich durch die Umgebung bewegen. Exportieren Sie Bewegungsbahnen in externe Simulatoren oder in einen Szenario-Designer.
Interpolation von Wegpunkt-Bewegungsbahnen und Geschwindigkeiten.
Sensormodelle für Fahrzeugbewegungen
Simulation der Radcodierer-Sensorwerte und Berechnung der Fahrzeugodometrie
GNSS-Sensormodelle
Simulation von GNSS-Empfängermesswerten (Global Navigation Satellite System) mit dem gnssSensor-Objekt
Gitterbasierte A*-Trassenplanung
Planen einer Trasse vom Start- bis zum Zielort mit dem A*-Algorithmus
Trajektorienoptimierte Frenet-Verbesserungen
Verwendung verbesserter Hilfsprogramme für mehr Kontrolle bei der Erzeugung einer optimalen Bewegungsbahn im Frenet-Raum
SLAM
Implementierung von Positionsgraph-Optimierung mit Robustheit gegenüber Ausreißern
Filter-Tuner für Trägheitssensoren
Automatische Anpassung der Trägheitssensor-Fusionsleistung für INS-, IMU- und AHRS-Filter
Details zu diesen Funktionsmerkmalen und den zugehörigen Funktionen finden Sie in den Release Notes.
