导航工具箱

设计、仿真和部署用于规划和导航的算法。

 

Navigation Toolbox™ 提供用于设计运动规划和导航系统的算法和分析工具。该工具箱包含可自定义的搜索和基于采样的路径规划器。还包含用于多传感器姿态估计的传感器模型和算法。既可以使用自己的数据创建 2D 和 3D 地图表示形式,也可以使用该工具箱中的即时定位与地图构建 (SLAM) 算法生成地图。帮助文档为自动驾驶和机器人应用场景提供了参考示例。

可以生成用于比较路径最优性、平坦度和性能基准的度量指标。可以利用 SLAM map builder 应用程序交互式地显示和调试地图生成。可以直接将算法部署到硬件来测试算法(使用 MATLAB Coder™ 或 Simulink Coder™)。

快速入门:

地图构建与定位

使用 SLAM 算法创建环境的占据图。使用姿态估计来定位车辆。

即时定位与地图构建 (SLAM)

使用姿态图优化,通过激光雷达扫描实现 SLAM 算法。使用 SLAM Map Builder 应用程序查找和修改循环闭包。以占据栅格的形式构建和导出生成的地图。

使用 lidar SLAM 生成地图。

定位与姿态估计

运用蒙特卡罗定位法 (MCL),利用传感器数据和环境地图来估算车辆的位置和方向。

使用惯性传感器和 GPS 估计非完整车辆和飞行器的姿态。 在没有GPS的情况下,通过将惯性传感器与高度计或视觉里程表融合来确定姿态。

室内环境中的蒙特卡罗定位。 

2D 和 3D 地图表示形式

使用真实或仿真的传感器读数创建二进制或概率占据栅格。使用查询速度快且内存效率高的以自我为中心的地图。

3D 占据栅格可视化。

运动规划

使用可扩展路径规划器,选择最优路径,并计算路径跟随的转向命令。

路径规划

使用基于采样的路径规划器,如快速扩展随机树 (RRT) 和 RRT*,查找从起点到目标位置的路径。 让规划器接口适应您的应用的状态空间。使用 Dubins 和 Reeds-Shepp 运动基元创建平坦的可行驶路径。

利用 RRT* 算法产生的路径。

路径规划的度量

使用度量来验证路径的平坦性和避开障碍。使用数值和视觉比较来选择最佳路径。

路径空隙度量。

路径跟随和控制

调节控制算法以跟随规划的路径。使用车辆运动模型计算转向和速度命令。使用向量场直方图等算法避开障碍物。

使用纯跟踪式控制器进行路径跟随。

传感器建模与仿真

对各种环境条件下的 IMU、GPS 接收器和距离传感器的测量进行仿真。

传感器模型

对 IMU、GPS 和 INS 传感器进行建模。调节温度和噪声等参数,对真实世界的情况进行仿真。使用距离传感器估算与目标的距离,使用测距传感器测量车辆运动。

IMU 和 GPS 模型。

传感器运动仿真

对车辆方向、速度、轨迹和传感器测量值进行绘图。生成轨迹来模拟传感器的实际行程。将轨迹导出到外部模拟器或场景设计器。

航点轨迹和速度插值。

最新特性

代码生成

生成用于蒙特卡罗定位、轨迹优化(trajectoryOptimalFrenet 对象)和基于采样的规划器(如 RRT、RRT* 和 Hybrid A*)的 C/C++ 代码

IMU 和 AHRS Simulink 模块

使用 IMU Simulink 模块对惯性测量单元建模,并使用 AHRS Simulink 模块估算设备方位

三维地图的射线交叉点

使用三维占据地图计算射线交叉点、导入和导出

新的时间范围对象

在时域中可视化实数值和复数值浮点和与定点信号

轨迹优化改进

指定纵向线段、偏差偏移量和附加的路径点参数

关于这些特性和相应函数的详细信息,请参阅发行说明

有疑问吗?

请联系 Navigation Toolbox 技术专家 Mihir