位置推定アルゴリズム

粒子フィルター、スキャンマッチング、モンテカルロ位置推定、姿勢グラフ、オドメトリ

モンテカルロ位置推定、スキャンマッチングなどの位置推定アルゴリズムは、距離センサーまたは LiDAR の読み取り値を使用して、既知のマップでの姿勢を推定します。姿勢グラフは推定姿勢を追跡し、エッジの制約およびループ閉じ込みに基づいて最適化することができます。自己位置推定と環境地図作成の同時実行については、SLAMを参照してください。

関数

すべて展開する

粒子フィルターによる状態推定

`stateEstimatorPF`	粒子フィルターの状態推定器の作成
`resamplingPolicyPF`	Create resampling policy object with resampling settings

スキャンマッチング

`matchScans`	Estimate pose between two laser scans
`matchScansGrid`	Estimate pose between two lidar scans using grid-based search
`matchScansLine`	Estimate pose between two laser scans using line features
`transformScan`	Transform laser scan based on relative pose
`lidarScan`	2 次元 LiDAR スキャンを保存するためのオブジェクトの作成

モンテカルロ位置推定

`monteCarloLocalization`	Localize robot using range sensor data and map
`lidarScan`	2 次元 LiDAR スキャンを保存するためのオブジェクトの作成
`odometryMotionModel`	Create an odometry motion model
`likelihoodFieldSensorModel`	距離センサー用の尤度フィールドセンサーモデルの作成

姿勢グラフ

`poseGraph`	2 次元姿勢グラフの作成
`poseGraph3D`	3 次元姿勢グラフの作成
`poseGraphSolverOptions`	Solver options for pose graph optimization
`optimizePoseGraph`	Optimize nodes in pose graph
`trimLoopClosures`	Optimize pose graph and remove bad loop closures
`poseplot`	3 次元姿勢プロット (R2021b 以降)

ファクターグラフ

`factorGraph`	Graph-based framework for multisensor state estimation (R2022a 以降)
`importFactorGraph`	Import factor graph from g2o log file (R2022a 以降)
`factorIMU`	Convert IMU readings to factor (R2022a 以降)
`factorGPS`	Factor for GPS measurement (R2022a 以降)
`factorTwoPoseSE2`	Factor relating two SE(2) poses (R2022a 以降)
`factorTwoPoseSE3`	Relative pose factor connecting two SE(3) poses (R2022a 以降)
`factorPoseSE2AndPointXY`	Factor relating SE(2) position and 2-D point (R2022b 以降)
`factorPoseSE3AndPointXYZ`	Factor relating SE(3) position and 3-D point (R2022b 以降)
`factorIMUBiasPrior`	Prior factor for IMU bias (R2022a 以降)
`factorVelocity3Prior`	Prior factor for 3-D velocity (R2022a 以降)
`factorPoseSE3Prior`	Full-state prior factor for SE(3) pose (R2022a 以降)
`factorCameraSE3AndPointXYZ`	Factor relating SE(3) camera pose, 3-D landmark point, and optional sensor transform (R2023a 以降)
`estimateGravityRotation`	Estimate gravity rotation using factor graph optimization (R2023a 以降)
`estimateGravityRotationAndPoseScale`	Estimate gravity rotation and pose scale using factor graph optimization (R2023a 以降)
`estimateCameraIMUTransform`	Estimate transformation from camera to IMU sensor using calibration data (R2024a 以降)

ホイールエンコーダーオドメトリ

`wheelEncoderOdometryAckermann`	Compute Ackermann vehicle odometry using wheel encoder ticks and steering angle
`wheelEncoderOdometryBicycle`	Compute bicycle odometry using wheel encoder ticks and steering angle
`wheelEncoderOdometryDifferentialDrive`	Compute differential-drive vehicle odometry using wheel encoder ticks
`wheelEncoderOdometryUnicycle`	Compute unicycle odometry using wheel encoder ticks and angular velocity

トピック

Compose a Series of Laser Scans with Pose Changes
Use the matchScans function to compute the pose difference between a series of laser scans.
Minimize Search Range in Grid-based Lidar Scan Matching Using IMU
This example shows how to use an inertial measurement unit (IMU) to minimize the search range of the rotation angle for scan matching algorithms.
モンテカルロ位置推定アルゴリズム
モンテカルロ位置推定 (MCL) アルゴリズムは、ロボットの位置と向きを推定するために使用されます。
粒子フィルターワークフロー
粒子フィルターは、推定状態の事後分布を離散粒子によって近似する再帰的ベイズ状態推定器です。
粒子フィルターのパラメーター
stateEstimatorPF (Robotics System Toolbox) 粒子フィルターを使用するには、粒子数、粒子の初期位置、状態推定法などのパラメーターを指定しなければなりません。

注目の例

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.

R2023b 以降
ライブスクリプトを開く

Factor Graph-Based Pedestrian Localization with IMU and GPS Sensors

Estimate the position of a pedestrian using logged sensor data from an inertial measurement unit (IMU) and Global Positioning System (GPS) receiver and a factor graph.

ライブスクリプトを開く

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.

ライブスクリプトを開く

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.

ライブスクリプトを開く

Localize TurtleBot Using Monte Carlo Localization Algorithm

Apply the Monte Carlo Localization algorithm on a TurtleBot® robot in a simulated Gazebo® environment.

ライブスクリプトを開く

姿勢グラフを使用した 3 次元ビジュアルオドメトリの軌跡におけるドリフトの削減

この例では、3 次元姿勢グラフの最適化を使用して単眼カメラの推定軌跡 (位置と向き) におけるドリフトを減らす方法を説明します。ビジュアルオドメトリでは、カメラの現在のグローバルな姿勢 (現在のフレーム) を推定します。3 次元の点の三角形分割におけるマッチングが不適切であるか、誤差があることが原因で、ロボットの軌跡がグラウンドトゥルースからドリフトすることがよくあります。ループ閉じ込み検出と姿勢グラフの最適化により、このドリフトが減って誤差が補正されます。