MATLAB 和 Simulink
MATLAB 和 Simulink 提供实用功能，可加快无人机 (UAV) 和自主飞行应用开发。
借助 MATLAB 和 Simulink，您能够：
- 对无人机系统架构进行建模和分析
- 设计飞行控制算法并使用无人机被控对象模型进行仿真，同时考虑环境因素
- 使用计算机视觉、激光雷达与雷达处理以及传感器融合方面的预置算法、传感器模型以及 App，为自主飞行开发感知和运动规划系统
- 在闭环三维仿真环境中评估无人机性能
- 自动生成产品级以部署到飞行控制器和机载计算板卡
- 通过 MATLAB 和 Simulink 连接和控制无人机
- 分析无人机飞行遥测和有效负载数据
“我们只有使用 Simulink 进行建模和仿真，才能以当今业内所期望的速度和质量获得所需结果。如果不得不事事手动并且只能单纯依赖飞行测试，Bug 修复迭代的次数就会增加，并且每次迭代需要更多测试时间。问题会变得棘手。这是我们唯一的选择。”
使用 MATLAB 和 Simulink
进行无人机开发
无人机平台开发
使用 MATLAB 和 Simulink，您可以在链接到需求的情况下对无人机系统架构进行建模和分析。您可以在没有硬件的情况下使用被控对象模型通过仿真来设计和测试飞行控制算法，在飞行测试前降低风险。然后，您可以自动生成飞行控制软件的产品级代码，用于硬件实现。MATLAB 和 Simulink 支持您：
- 在链接到需求的情况下开发和检查无人机架构模型
- 对无人机平台、飞行控制系统和环境效应进行建模，以集成和执行系统级仿真
- 自动生成产品级代码以在微处理器、FPGA 和 GPU 上实现
- 连接到常见的无人机自动驾驶仪（如 PX4）和低成本硬件（如 Raspberry Pi™）
- 使用微型空中飞行器链路 (MAVLink) 通信协议连接到无人机硬件，使用交互式 App 分析飞行遥测数据
感知和定位
为实现自主飞行，无人机必须具备自我感知和态势感知能力。MATLAB 和 Simulink 提供了多种预置算法和传感器模型，可用于构建目标检测、地图构建和定位应用。模拟 IMU/GPS 传感器读数，设计融合和定位算法来估计无人机位姿。使用深度学习和机器学习来开发目标和人员检测算法，或构建使用无人机的视觉检查应用。借助 MATLAB 和 Simulink，您能够：
- 执行目标检测和跟踪、运动估计、三维点云处理和传感器融合
- 使用深度学习进行图像分类、回归和特征学习
- 使用三维激光雷达 SLAM 和视觉 SLAM 算法创建环境地图
- 设计和仿真传感器融合算法以实现定位
- 自动将算法转换为 C/C++、定点、HDL 或 CUDA® 代码
基于仿真的测试
借助仿真，您可在虚拟测试中检测设计错误，并降低硬件飞行测试的风险和成本。您可以在 MATLAB 和 Simulink 中集成无人机被控对象模型、飞行控制和自主飞行算法，然后执行并自动化仿真测试。您还可以合成传感器读数，以在逼真的仿真环境中对自主无人机应用进行闭环仿真。MATLAB 和 Simulink 支持您：
