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
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


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
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


  • 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.