Main Content


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。



occupancyMap2 次元占有マップの作成 (R2019b 以降)
mapClutterGenerate map with randomly scattered obstacles (R2020b 以降)
mapMazeGenerate random 2-D maze map (R2021a 以降)
buildMapLIDAR スキャンから占有マップを作成 (R2019b 以降)
occupancyMap3D 3 次元占有マップの作成 (R2019b 以降)
exportOccupancyMap3D八分木ファイルまたは二分木ファイルとして 3 次元占有マップをエクスポート (R2020a 以降)
importOccupancyMap3D3 次元占有マップとしての八分木ファイルまたは二分木ファイルのインポート (R2020a 以降)
occupancyMap3DCollisionOptionsCollision-checking options between 3-D occupancy map and collision geometries (R2022b 以降)
mapLayerCreate map layer for N-dimensional data (R2021a 以降)
multiLayerMapManage multiple map layers (R2021a 以降)
signedDistanceMapDiscrete signed distance map of 2-D region (R2023a 以降)
meshtsdfTruncated signed distance field for 3-D regions containing meshes (R2024a 以降)


  • 占有グリッド


  • 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.