位置推定と地図作成

R2026b
ビジョンおよび LiDAR データを使用した自己位置推定と環境地図作成の同時実行、地図の作成、オドメトリ

SLAM (自己位置推定と環境地図作成の同時実行) アルゴリズムを使用して、環境地図作成と自車の姿勢推定を同時に行います。SLAM アルゴリズムは、ビジュアル データまたは点群データで使用できます。カメラ イメージ データを使用した visual SLAM の実装の詳細については、MATLAB での Visual SLAM の実装およびDevelop Visual SLAM Algorithm Using Unreal Engine Simulationを参照してください。LiDAR データを使用した点群 SLAM の実装の詳細については、Implement Point Cloud SLAM in MATLAB (Point Cloud Toolbox)およびDesign Lidar SLAM Algorithm Using Unreal Engine Simulation Environmentを参照してください。

慣性計測ユニット (IMU) や全地球測位システム (GPS) などのセンサーからの測定値を使用して、ビジュアル データまたは LiDAR データによる地図作成プロセスを改善できます。例については、LiDAR データからのマップの作成を参照してください。

既知のマップが存在する環境では、マップの座標系の原点を基準にして自車の姿勢を推定することで、自車の位置を特定できます。既知のビジュアル マップを使用した位置推定の例については、Visual Localization in a Parking Lotを参照してください。既知の点群マップを使用した位置推定の例については、Lidar Localization with Unreal Engine Simulationを参照してください。

既知のマップが存在しない環境では、ビジュアル データと IMU データを融合することでビジュアル慣性オドメトリを使用して、開始姿勢に対する自車の姿勢を推定できます。例については、Visual-Inertial Odometry Using Synthetic Dataを参照してください。

駐車場の空き駐車スポットを検出する地図作成および位置アルゴリズムのアプリケーションについては、Perception-Based Parking Spot Detection Using Unreal Engine Simulationを参照してください。

関数

すべて展開する

すぐに使用できる Visual SLAM 関数

monovslamVisual simultaneous localization and mapping (vSLAM) and visual-inertial sensor fusion with monocular camera (R2023b 以降)
rgbdvslamFeature-based visual simultaneous localization and mapping (vSLAM) and visual-inertial sensor fusion with RGB-D camera (R2024a 以降)
stereovslamFeature-based visual simultaneous localization and mapping (vSLAM) and visual-inertial sensor fusion with stereo camera (R2024a 以降)

独自の Visual SLAM パイプラインの構築

imageviewsetManage data for structure-from-motion, visual odometry, and visual SLAM
optimizePosesOptimize absolute poses using relative pose constraints
createPoseGraphCreate pose graph
relativeCameraPose(非推奨) カメラの姿勢間の相対的な回転と並進を計算
triangulateステレオ イメージでの歪み補正後のマッチする点の 3 次元位置
bundleAdjustment3 次元の点とカメラの姿勢のコレクションの調整
bundleAdjustmentMotionAdjust collection of 3-D points and camera poses using motion-only bundle adjustment
bundleAdjustmentStructureRefine 3-D points using structure-only bundle adjustment

点群の保存、変換、および可視化

pointCloudObject for storing 3-D point cloud
pcshowPlot 3-D point cloud
pcplayerVisualize streaming 3-D point cloud data
pctransformTransform 3-D point cloud
pcalignAlign array of point clouds

点群のレジストレーション

pcregistercorrRegister two point clouds using phase correlation
pcregistercpdRegister two point clouds using CPD algorithm
pcregistericpRegister two point clouds using ICP algorithm
pcregisterndtRegister two point clouds using NDT algorithm
pcregisterloamRegister two point clouds using LOAM algorithm (R2022a 以降)

独自の点群 SLAM パイプラインの構築

pcviewsetObject for managing data for point cloud-based odometry and SLAM
optimizePosesOptimize absolute poses using relative pose constraints
createPoseGraphCreate pose graph from point cloud view set
scanContextDistanceDistance between scan context descriptors
scanContextDescriptorExtract scan context descriptor from point cloud
pcmapndtCreate localization map using Normal Distributions Transform (NDT)

トピック

注目の例

Lidar Localization with Unreal Engine Simulation

Lidar Localization with Unreal Engine Simulation

Develop and evaluate a lidar localization algorithm using synthetic lidar data from the Unreal Engine® simulation environment.

Visual Localization in a Parking Lot

Visual Localization in a Parking Lot

Develop a visual localization system using synthetic image data from a parking lot scene in Unreal Engine environment.

Develop Visual SLAM Algorithm Using Unreal Engine Simulation

Develop Visual SLAM Algorithm Using Unreal Engine Simulation

Develop a visual simultaneous localization and mapping (SLAM) algorithm using image data from the Unreal Engine simulation environment.

LiDAR データからのマップの作成

LiDAR データからのマップの作成

慣性計測ユニット (IMU) の読み取り値を補助的に使用し、3-D LiDAR センサー データを処理して、マップを順次作成します。

Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment

Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment

Develop a simultaneous localization and mapping algorithm using synthetic lidar sensor data recorded from the Unreal Engine simulation environment.

Perception-Based Parking Spot Detection Using Unreal Engine Simulation

Perception-Based Parking Spot Detection Using Unreal Engine Simulation

Build a bird's-eye-view map of a parking lot using semantically segmented images from the ego vehicle camera, and detect empty parking spots from the map.

Perception Based Live Parking Spot Detection Using Unreal Engine Simulation

Perception Based Live Parking Spot Detection Using Unreal Engine Simulation

Develop a live parking spot detection system using deep learning and SLAM.

Motion Compensation in 3-D Lidar Point Clouds Using Sensor Fusion

Motion Compensation in 3-D Lidar Point Clouds Using Sensor Fusion

Compensate point cloud distortion due to ego-vehicle motion by fusing GPS and IMU data.

PIL Verification of Generated Code for Map Creation Using Lidar SLAM

PIL Verification of Generated Code for Map Creation Using Lidar SLAM

Design a lidar SLAM algorithm for map creation, generate embedded code of the algorithm, and verify it using processor-in-the-loop (PIL) simulation on NVIDIA® Jetson™ hardware.

Build a Map with Lidar Odometry and Mapping (LOAM) Using Unreal Engine Simulation

Build a Map with Lidar Odometry and Mapping (LOAM) Using Unreal Engine Simulation

Build a map with the lidar odometry and mapping (LOAM) [1] algorithm by using synthetic lidar data from the Unreal Engine® simulation environment. In this example, you learn how to:

Build Occupancy Map from 3-D Lidar Data Using SLAM

Build Occupancy Map from 3-D Lidar Data Using SLAM

Build a 2-D Occupancy map from 3-D Lidar data using a simultaneous localization and mapping (SLAM) algorithm.

Build Map and Localize Using Segment Matching

Build Map and Localize Using Segment Matching

Build a map with lidar data and localize the position of a vehicle on the map using SegMatch, a place recognition algorithm based on segment matching.

Visual-Inertial Odometry Using Synthetic Data

Visual-Inertial Odometry Using Synthetic Data

Estimate the position and orientation of a vehicle by using an inertial measurement unit (IMU) and a monocular camera.

GPU での SLAM の使用による LiDAR データからのマップ作成

GPU での SLAM の使用による LiDAR データからのマップ作成

NVIDIA GPU で生成されたコードを使用して、3 次元の自己位置推定と環境地図作成の同時実行 (SLAM) を実行する。

(GPU Coder)