ビジョンおよび LiDAR データを使用した地図作成と位置推定

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、MATLAB での点群 SLAM の実装およびを参照してください。

慣性測定ユニット (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

回転

`rigid3d`	(非推奨) 右から乗算する規則を使用した 3 次元剛体幾何学的変換 (R2020a 以降)
`quaternion`	quaternion 配列の作成 (R2020a 以降)
`dist`	角距離 (ラジアン) (R2020a 以降)
`rotateframe`	四元数の座標系の回転 (R2020a 以降)
`rotatepoint`	四元数の点の回転 (R2020a 以降)
`rotmat`	四元数の回転行列への変換 (R2020a 以降)
`rotvec`	四元数の回転ベクトルへの変換 (ラジアン単位) (R2020a 以降)
`rotvecd`	四元数の回転ベクトルへの変換 (度単位) (R2020a 以降)
`parts`	四元数の各部分の抽出 (R2020a 以降)
`euler`	四元数をオイラー角 (ラジアン) に変換 (R2020a 以降)
`eulerd`	四元数をオイラー角 (度) に変換 (R2020a 以降)
`compact`	quaternion 配列を N 行 4 列の行列に変換 (R2020a 以降)

Visual SLAM

`monovslam`	Visual simultaneous localization and mapping (vSLAM) with monocular camera (R2023b 以降)
`imageviewset`	Manage data for structure-from-motion, visual odometry, and visual SLAM (R2020a 以降)
`optimizePoses`	Optimize absolute poses using relative pose constraints (R2020a 以降)
`createPoseGraph`	Create pose graph (R2020a 以降)
`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
`bundleAdjustment`	3 次元の点とカメラの姿勢のコレクションの調整
`bundleAdjustmentMotion`	Adjust collection of 3-D points and camera poses using motion-only bundle adjustment (R2020a 以降)
`bundleAdjustmentStructure`	Refine 3-D points using structure-only bundle adjustment (R2020a 以降)

点群 SLAM

`pcviewset`	Manage data for point cloud based visual odometry and SLAM (R2020a 以降)
`optimizePoses`	Optimize absolute poses using relative pose constraints (R2020a 以降)
`createPoseGraph`	Create pose graph (R2020a 以降)
`scanContextDistance`	Distance between scan context descriptors (R2020b 以降)
`scanContextDescriptor`	Extract scan context descriptor from point cloud (R2020b 以降)
`pctransform`	3 次元点群の変換
`pcalign`	Align array of point clouds (R2020b 以降)
`pcregistercorr`	Register two point clouds using phase correlation (R2020b 以降)
`pcregistercpd`	Register two point clouds using CPD algorithm
`pcregistericp`	ICP アルゴリズムを使用した 2 つの点群のレジストレーション
`pcregisterndt`	Register two point clouds using NDT algorithm
`pcregisterloam`	Register two point clouds using LOAM algorithm (R2022a 以降)
`pcmapndt`	Localization map based on normal distributions transform (NDT) (R2021a 以降)

トピック

Rotations, Orientations, and Quaternions for Automated Driving
Quaternions are four-part hypercomplex numbers that are used to describe three-dimensional rotations and orientations. Learn how to use them for automated driving applications.
MATLAB での Visual SLAM の実装
Visual simultaneous localization and mapping (vSLAM) ワークフローと、MATLAB を使用してそれを実装する方法について理解する。
単眼の Visual Simultaneous Localization and Mapping
Visual simultaneous localization and mapping (vSLAM)。
MATLAB での点群 SLAM の実装
点群のレジストレーションと地図作成のワークフローを理解する。

注目の例

Lidar Localization with Unreal Engine Simulation

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

ライブスクリプトを開く

Visual Localization in a Parking Lot

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

ライブスクリプトを開く

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.

ライブスクリプトを開く

LiDAR データからのマップの作成

慣性測定ユニット (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。

スクリプトを開く

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.

スクリプトを開く

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:

ライブスクリプトを開く

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.

ライブスクリプトを開く

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.

ライブスクリプトを開く

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.

ライブスクリプトを開く

Perception Based Live Parking Spot Detection Using Unreal Engine Simulation

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

ライブスクリプトを開く

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.

スクリプトを開く