MATLAB und Simulink
MATLAB und Simulink bieten Algorithmen, Modellierungs- und Simulations-Tools, ROS und Hardware-Konnektivität für die Entwicklung von autonomen mobilen Robotern (AMRs), Service-Robotern und anderen unbemannten Landfahrzeugen (UGVs).
Mit MATLAB und Simulink ist Folgendes möglich:
- Import von virtuellen Modellen Ihres Roboters und Optimierung der Anforderungen an Mechanik und Elektronik
- Simulation von Sensormodellen für Inertial-Navigationssysteme und GNSS-Sensoren
- Lokalisierung des Roboters mithilfe von Algorithmen wie Partikelfilter und Monte-Carlo-Lokalisierung
- Erzeugung von Umgebungskarten mithilfe von SLAM-Algorithmen (Simultaneous Localization and Mapping)
- Bestimmung optimaler Bahnen mithilfe von Bahnplanungsalgorithmen wie A* und RRT
- Evaluierung der Bahnoptimalität mithilfe von Bahnmetriken wie Gleichmäßigkeit und Entfernung zu Hindernissen
- Navigation in dynamischen Umgebungen mithilfe von Regelungsalgorithmen zur Bahnverfolgung und Hindernisvermeidung
- Automatische Generierung des Produktionscodes für die Zielhardware
Der Einsatz von MATLAB und Simulink
für mobile Roboter
Plattform-Entwicklung
Erzeugen oder importieren Sie physikalische Modelle und simulieren Sie die Roboterdynamik für Roboter mit Rädern und Beinen. Wenden Sie reale Rahmenbedingungen wie Kontaktkräfte und Drehmomente an, um die Auswirkungen Ihrer Algorithmen auf die Hardwareplattform zu analysieren. Mit MATLAB und Simulink ist Folgendes möglich:
- Einsatz von kinematischen Bewegungsmodellen und Rad-Encodern für die klassischen mobilen Roboterausführungen wie Differentialantrieb oder Ackermann-Lenkung
- Entwurf eines detaillierten dynamischen Modells mit der Modellierung physikalischer Systeme der Robotermechanik
- Import von mechanischen Entwürfen aus CAD-Software und deren Verbindung mit Elektrik- und Regelungssystemen in einem einzigen Simulationsmodell
- Schnittstelle zu externen Robotersimulatoren wie z. B. Gazebo für die Umgebungsmodellierung
- Verbindung mit ROS/ROS2-Middleware
Produkte kennenlernen
Erfassung und Lokalisierung
Indem Sie die Roboter-Sicht aktivieren, können Sie Umgebungskarten erstellen und Ihren mobilen Roboter lokalisieren. Zur Entwicklung von Kartierungs-, Lokalisierungs- und Objekterkennungsanwendungen kommen Sensormodelle und vorgefertigte Algorithmen zum Einsatz, damit Ihr mobiler Roboter seine Umgebung und seinen Standort erkennen kann. Mit MATLAB und Simulink ist Folgendes möglich:
- Simulation und Zusammenführung von IMU- und GPS-Sensormesswerten für eine genaue Abschätzung der Position
- Lokalisierung eines LiDAR-basierten Roboters mithilfe von Adaptive Monte Carlo Localization -Algorithmen
- Erzeugung und Visualisierung von 2D- und 3D-Karten mithilfe von LiDAR SLAM oder monokularem visuellen SLAM
- Verbesserung der Kartengenauigkeit durch interaktives Modifizieren von Loop-Closures mithilfe der SLAM Map Builder-Anwendung
- Darstellung dynamischer Umgebungen durch Erstellung und Visualisierung von egozentrischen Präsenzkarten
- Erkennung, Identifizierung und Verfolgung von Objekten zur sicheren Roboternavigation mithilfe von Deep Learning und Machine Learning-Algorithmen wie YOLO, SSD und CNN
Bewegungsplanung und -steuerung
Finden Sie Wege für Ihren mobilen Roboter, damit dieser sein Ziel erreicht. Generieren Sie Wegpunkte und senden Sie Steuerbefehle, um einem globalen Pfad oder einer lokalen Bewegungslinie zu folgen. Für die Navigation eines mobilen Roboters in einer unbekannten Umgebung bieten MATLAB und Simulink such- und stichprobenbasierte Planungsalgorithmen sowie pfadfolgende Regelungsalgorithmen. Mithilfe von MATLAB und Simulink kann Ihr Roboter:
- Ermittlung des kürzesten und hindernisfreien Weges mithilfe von Algorithmen wie A* und RRT
- Sicheres Navigieren um Hindernisse in einer dynamischen Umgebung mit lokaler Neuplanung
- Visualisierung und Auswertung des geplanten Pfades mit Metriken wie Gleichmäßigkeit und Abstand zu Hindernissen
- Pfadoptimierung durch nichtlineare modellprädiktive Steuerung
- Verfolgung des geplanten Pfades mithilfe des Pure Pursuit Controller
- Berechnung von Lenkbefehlen zum Ausweichen von Hindernissen mithilfe von Vektorfeld-Histogrammen
- Vermeidung von Hindernissen mithilfe des Verstärkungslernen wie z. B. DDPG
Simulationsgestützte Tests
Erkennen Sie Designfehler durch die Simulation und reduzieren Sie dadurch das Risiko und die Kosten von Hardwaretests. MATLAB und Simulink bieten interaktive Apps und Simulations-Tools zur Optimierung der Leistung sowie der Entwicklungs- und Testzeit für Ihre mobilen Roboteranwendungen. Mit MATLAB und Simulink ist Folgendes möglich:
- Erzeugung von Bewegungslinien zur Emulation von Sensorbewegungen und zur Kalibrierung ihrer Leistung
- Beseitigung von Fehlerquellen der Rad-Encoder durch Analyse der Odometrieschätzung
- Verwendung von abstrakten Modellen zur direkten Validierung Ihrer autonomen Algorithmen oder zur Erstellung von Higher-Fidelity-Modellen
- Verbindung mit Gazebo zur Durchführung von zeitsynchronen Co-Simulationen und zum Testen Ihrer Algorithmen in Closed-Loop-Simulationen
- Durchführung von Navigationsalgorithmen in verschiedenen Edge-Case-Szenarien vor deren Einsatz auf der mobilen Plattform
- Automatische Generierung von C/C++, VHDL®/Verilog®, CUDA® C/C++ Code zur Verwendung beim Rapid-Prototyping und in der Produktion
Produkte kennenlernen
30-tägige kostenlose Testversion
Jetzt loslegen
Haben Sie Fragen?
Sprechen Sie mit einem Robotik-Experten.
