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
`occupancyMap`	2 次元占有マップの作成
`occupancyMap3D`	3 次元占有マップの作成
`occupancyMap3DCollisionOptions`	Collision-checking options between 3-D occupancy map and collision geometries
`mapLayer`	Create map layer for N-dimensional data
`multiLayerMap`	Manage multiple map layers

関数

`buildMap`	LIDAR スキャンから占有マップを作成
`checkMapCollision`	Check for collision between 3-D occupancy map and geometry
`checkOccupancy`	Check 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
`getOccupancy`	Get occupancy probability of locations
`getMapData`	Retrieve 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
`inflate`	Inflate each occupied location
`insertRay`	Insert ray from laser scan observation
`insertPointCloud`	3 次元の点または点群の観測値をマップに挿入
`mapClutter`	Generate map with randomly scattered obstacles
`mapMaze`	Generate random 2-D maze map
`move`	Move map in world frame
`occupancyMatrix`	占有マップを行列に変換
`raycast`	Compute cell indices along a ray
`rayIntersection`	Find intersection points of rays and occupied map cells
`setOccupancy`	Set occupancy probability of locations
`setMapData`	Assign data to map layer
`syncWith`	Sync map with overlapping map
`updateOccupancy`	Update 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.

注目の例

Create Egocentric Occupancy Maps Using Range Sensors

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, where 0 indicates free-space, and 1 indicates occupied space. You can build up this information over time using sensor measurements and efficiently store them in the map. This information is also useful for more advanced workflows, such as collision detection and path planning.

ライブスクリプトを開く

Create Egocentric Occupancy Map from Driving Scenario Designer

Create an egocentric occupancy map from the Driving Scenario Designer app. This example uses obstacle information from the vision detection generator to update the egocentric occupancy map.

ライブスクリプトを開く

LIDAR スキャンおよび姿勢からの占有マップの作成

関数buildMapは、占有マップをlidarScanオブジェクトとして作成するために LIDAR スキャンの読み取り値と関連付けられている姿勢を受け取り、occupancyMapを作成するために関連付けられている姿勢 [x y theta] を受け取ります。

ライブスクリプトを開く