Main Content

地図作成

2 次元および 3 次元の占有マップ、エゴセントリック マップ、レイキャスティング

占有マップは、環境内の障害物を表現し、ワールドの範囲を定義するために使用されます。マップを作成し、レイキャスティングを使用してセンサーの読み取り値から障害物の位置を更新することができます。既存のマップと同期してローカル座標系を移動し、ビークルに追従するエゴセントリック マップを作成します。2 次元マップではバイナリ値と確率値、3 次元マップでは確率的表現がマップによってサポートされます。

これらのマップをモーション プランニングと共に使用してマップ内のパスを計画したり、位置推定と姿勢推定アルゴリズムを使用して環境内でのビークルの姿勢を推定したりします。

オブジェクト

binaryOccupancyMapバイナリ値の占有グリッドを作成
occupancyMap2 次元占有マップの作成
occupancyMap3D 3 次元占有マップの作成
occupancyMap3DCollisionOptionsCollision-checking options between 3-D occupancy map and collision geometries
mapLayerCreate map layer for N-dimensional data
multiLayerMapManage multiple map layers

関数

buildMapLIDAR スキャンから占有マップを作成
checkMapCollisionCheck for collision between 3-D occupancy map and geometry
checkOccupancyCheck if locations are free or occupied
exportOccupancyMap3D八分木ファイルを 3 次元占有マップとしてインポート
getOccupancyGet occupancy probability of locations
getMapDataRetrieve data from map layer
importOccupancyMap3D八分木ファイルを 3 次元占有マップとしてインポート
inflateInflate each occupied location
insertRayInsert ray from laser scan observation
insertPointCloud3 次元の点または点群の観測値をマップに挿入
mapClutterGenerate map with randomly scattered obstacles
mapMazeGenerate random 2-D maze map
moveMove map in world frame
occupancyMatrix占有マップを行列に変換
raycastCompute cell indices along a ray
rayIntersectionFind intersection points of rays and occupied map cells
setOccupancySet occupancy probability of locations
setMapDataAssign data to map layer
syncWithSync map with overlapping map
updateOccupancyUpdate occupancy probability at locations

トピック

  • 占有グリッド

    占有グリッドの機能とマップ構造体の詳細

  • Fuse Multiple Lidar Sensors Using Map Layers

    Occupancy maps offer a simple yet robust way of representing an environment for robotic applications by mapping the continuous world-space to a discrete data structure. Individual grid cells can contain binary or probabilistic information about obstacle information. However, an autonomous platform may use a variety of sensors that may need to be combined to estimate both the current state of the platform and the state of the surrounding environment.

  • Build Occupancy Map from Depth Images Using Visual Odometry and Optimized Pose Graph

    This example shows how to reduce the drift in the estimated trajectory (location and orientation) of a monocular camera using 3-D pose graph optimization. In this example, you build an occupancy map from the depth images, which can be used for path planning while navigating in that environment.