MATLAB 和 Simulink
MATLAB 和 Simulink 提供一系列算法、建模和仿真工具，并支持 ROS 和硬件连接，可用于开发自主移动机器人 (AMR)、服务机器人和其他无人地面交通工具 (UGV)。
借助 MATLAB 和 Simulink，您能够：
- 导入机器人的虚拟模型，细化机械设计和电子元件的需求
- 针对惯性导航系统和 GNSS 传感器进行传感器模型仿真
- 使用粒子滤波和蒙特卡罗定位等算法定位机器人
- 使用同步定位与地图构建 (SLAM) 算法构建环境地图
- 使用路径规划算法（如 A* 和 RRT）求出最优路径
- 使用路径指标（如平滑性与避障间隙）评估路径的最优性
- 使用路径跟随和避障控制算法在动态环境中导航
- 为目标硬件自动生成产品级代码
使用 MATLAB 和 Simulink
实现移动机器人
平台开发
为轮式和腿式机器人构建或导入物理模型，仿真机器人动态特性。施加现实世界的约束，如接触力和扭矩，以分析算法在硬件平台上的效果。借助 MATLAB 和 Simulink，您能够：
- 将运动学运动模型和轮式编码器用于典型的移动机器人设计，例如差速驱动或阿克曼转向
- 对机器人的工作原理进行物理建模，以设计详细的动态模型
- 从 CAD 软件中导入机械设计，并在单个仿真模型中将这些设计与电气和控制系统连接起来
- 与外部机器人仿真器（如 Gazebo）对接以进行环境建模
- 连接到 ROS/ROS2 中间件
感知和定位
启用机器人视觉来构建环境地图和定位移动机器人。使用传感器模型和预置的算法开发地图构建、定位和目标检测应用，以便移动机器人了解其周围环境和位置。借助 MATLAB 和 Simulink，您能够：
- 模拟并融合 IMU 和 GPS 传感器读数，以实现精确的位姿估计
- 使用自适应蒙特卡罗定位算法定位基于激光雷达的机器人
- 使用激光雷达 SLAM 或单目视觉 SLAM 构建和可视化二维和三维地图
- 通过使用 SLAM 地图生成器以交互方式修改闭环来提高地图精度
- 通过创建和可视化以自我为中心的占据地图呈现动态环境
- 使用深度学习和机器学习算法（如 YOLO、SSD 和 CNN）检测、识别和跟踪目标，实现安全的机器人导航
基于仿真的测试
通过仿真检测设计错误，降低硬件测试的风险和成本。MATLAB 和 Simulink 提供交互式 App 和仿真工具，可优化移动机器人应用的性能，缩短其开发和测试时间。借助 MATLAB 和 Simulink，您能够：
- 生成轨迹以模拟传感器运动并标定其性能
- 通过分析里程估计值，消除轮式编码器的误差源
- 使用抽象模型快速验证自主算法，也可以构建更高保真度的模型
- 连接 Gazebo 以执行时间同步协同仿真并在闭环仿真中测试算法
- 先在各种边缘情形下运行导航算法，再部署到移动平台上
- 自动生成 C/C++、VHDL®/Verilog®、CUDA® C/C++ 代码以用于快速原型构建和生产用途
30天免费试用
快速入门
有疑问吗？
与机器人专家探讨。
