SLAM

2 次元および 3 次元の自己位置推定と環境地図作成の同時実行

自己位置推定と環境地図作成の同時実行 (SLAM) は、地図作成と位置推定と姿勢推定のアルゴリズムの両方を使用して、マップを作成すると同時にそのマップ内におけるビークルの位置を推定します。LIDAR スキャンとオドメトリ姿勢推定を処理する独自の SLAM アルゴリズムを調整し、対話的にマップを作成するには、lidarSLAM を使用します。ログに記録されフィルター処理されたデータを受け取り、SLAM を使用してマップを作成するには buildMap を使用します。SLAM マップビルダー アプリでは、相対姿勢の変更とスキャンの調整を手動で行ってマップの精度を向上できます。

アプリ

SLAM マップビルダー

LiDAR ベースの SLAM を使用して 2 次元グリッドマップを作成

関数

すべて展開する

ekfSLAM

`ekfSLAM`	Perform simultaneous localization and mapping using extended Kalman filter
`correct`	Correct state and state error covariance
`landmarkInfo`	Retrieve landmark information
`poseHistory`	Retrieve corrected and predicted pose history
`predict`	Predict state and state error covariance
`removeLandmark`	Remove landmark from state vector
`reset`	Reset state and state estimation error covariance

lidarSLAM

`lidarSLAM`	LIDAR スキャンを使用した位置推定と地図作成の実行
`addScan`	LIDAR SLAM マップへのスキャンの追加
`buildMap`	LIDAR スキャンから占有マップを作成
`removeLoopClosures`	Remove loop closures from pose graph
`scansAndPoses`	スキャンおよび対応する姿勢を抽出
`show`	Plot scans and robot poses

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
`poseplot`	3-D pose plot
`addPointLandmark`	Add landmark point node to pose graph
`addRelativePose`	Add relative pose to pose graph
`edgeNodePairs`	Edge node pairs in pose graph
`edgeConstraints`	Edge constraints in pose graph
`edgeResidualErrors`	Compute pose graph edge residual errors
`findEdgeID`	Find edge ID of edge
`nodeEstimates`	Poses of nodes in pose graph
`optimizePoseGraph`	Optimize nodes in pose graph
`removeEdges`	Remove loop closure edges from graph
`show`	Plot pose graph
`trimLoopClosures`	Optimize pose graph and remove bad loop closures

ファクターグラフ

`factorGraph`	Bipartite graph of factors and nodes
`factorGraphSolverOptions`	Solver options for factor graph
`importFactorGraph`	Import factor graph from g2o log file
`factorIMU`	Convert IMU readings to factor
`factorIMUParameters`	Factor IMU parameters
`factorGPS`	Factor for GPS measurement
`factorTwoPoseSE2`	Factor relating two SE(2) poses
`factorTwoPoseSE3`	Factor relating two SE(3) poses
`factorPoseSE2AndPointXY`	Factor relating SE(2) position and 2-D point
`factorPoseSE3AndPointXYZ`	Factor relating SE(3) position and 3-D point
`factorIMUBiasPrior`	Prior factor for IMU bias
`factorVelocity3Prior`	Prior factor for 3-D velocity
`factorPoseSE3Prior`	Full-state prior factor for SE(3) pose
`factorCameraSE3AndPointXYZ`	Factor relating SE(3) camera pose and 3-D point
`estimateGravityDirection`	Estimate gravity rotation using IMU measurements and factor graph optimization
`estimateGravityDirectionAndPoseScale`	Estimate gravity rotation and pose scale using IMU measurements and factor graph optimization

注目の例

EKF-Based Landmark SLAM

Use ekfSLAM for a reliable implementation of landmark Simultaneous Localization and Mapping (SLAM) using the Extended Kalman Filter (EKF) algorithm and maximum likelihood algorithm for data association. In this example, you create a landmark map of the immediate surroundings of a vehicle and simultaneously track the path of the vehicle. Generate a trajectory by moving the vehicle using the noisy control commands, and form the map using the landmarks it encounters along the path. Correct the vehicle trajectory and landmark estimates by observing the landmarks again.

ライブスクリプトを開く

Landmark SLAM Using AprilTag Markers

Combine robot odometry data and observed fiducial markers called AprilTags to better estimate the robot trajectory and the landmark positions in the environment. The example uses a pose graph approach and a factor graph approach, and compares the two graphs.

ライブスクリプトを開く

3 次元 LiDAR 点群を使用した SLAM の実行

この例では、点群処理アルゴリズムと姿勢グラフの最適化を使用して、収集された 3 次元 LiDAR センサーデータに "自己位置推定と環境地図作成の同時実行" (SLAM) アルゴリズムを実装する方法を説明します。この例の目標は、ロボットの軌跡を推定し、3 次元 LiDAR 点群と推定された軌跡から環境の 3 次元占有マップを作成することです。

ライブスクリプトを開く

LIDAR スキャンでの自己位置推定と環境地図作成の同時実行 (SLAM) の実装

この例では、姿勢グラフの最適化を使用して、一連の収集された LIDAR スキャンに自己位置推定と環境地図作成の同時実行 (SLAM) アルゴリズムを実装する方法を説明します。この例の目標は、LIDAR スキャンを使用して環境のマップを作成し、ロボットの軌跡を取得することです。

ライブスクリプトを開く

LiDAR スキャンでのオンラインの自己位置推定と環境地図作成の同時実行 (SLAM) の実装

この例では、姿勢グラフの最適化を使用して、シミュレーション環境から取得された LiDAR スキャンに自己位置推定と環境地図作成の同時実行 (SLAM) アルゴリズムを実装する方法を説明します。この例には Simulink® 3D Animation™ と Navigation Toolbox™ が必要です。

ライブスクリプトを開く