비전 데이터와 라이다 데이터를 사용한 지도작성 및 위치추정

비전 데이터와 라이다 데이터를 사용한 SLAM(동시적 위치추정 및 지도작성), 맵 작성, 오도메트리

SLAM(동시적 위치추정 및 지도작성) 알고리즘을 사용하여 에고 차량의 자세를 추정하면서 동시에 환경의 맵을 작성합니다. SLAM 알고리즘은 시각적 데이터 또는 포인트 클라우드 데이터와 함께 사용할 수 있습니다. 카메라 이미지 데이터를 사용한 시각적 SLAM 구현에 대한 자세한 내용은 Implement Visual SLAM in MATLAB 항목과 Develop Visual SLAM Algorithm Using Unreal Engine Simulation 항목을 참조하십시오. 라이다 데이터를 사용한 포인트 클라우드 SLAM 구현에 대한 자세한 내용은 Implement Point Cloud SLAM in MATLAB 항목과 Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment 항목을 참조하십시오.

IMU(관성 측정 장치)와 GPS(위성 측위 시스템) 같은 센서의 측정값을 사용하여 시각적 데이터 또는 라이다 데이터에 기반한 맵 작성 프로세스를 개선할 수 있습니다. 이에 대한 예제는 Build a Map from Lidar Data 항목을 참조하십시오.

알려진 맵이 있는 환경에서는 맵 좌표 프레임 원점을 기준으로 에고 차량의 자세를 추정하여 위치추정을 수행할 수 있습니다. 알려진 시각적 맵을 사용한 위치추정에 대한 예제는 Visual Localization in a Parking Lot 항목을 참조하십시오. 알려진 포인트 클라우드 맵을 사용한 위치추정에 대한 예제는 Lidar Localization with Unreal Engine Simulation 항목을 참조하십시오.

알려진 맵이 없는 환경에서는 시각 데이터와 IMU 데이터를 융합해 시각-관성 오도메트리를 사용하여 출발 자세를 기준으로 에고 차량의 자세를 추정할 수 있습니다. 이에 대한 예제는 Visual-Inertial Odometry Using Synthetic Data 항목을 참조하십시오.

주차장에서 빈 주차 공간을 검출하기 위한 지도작성 및 위치 알고리즘의 응용 사례는 Perception-Based Parking Spot Detection Using Unreal Engine Simulation 항목을 참조하십시오.

함수

모두 확장

quaternion쿼터니언 배열 생성
dist각거리(단위: 라디안)
rotateframe쿼터니언 프레임 회전
rotatepoint쿼터니언 점 회전
rotmat쿼터니언을 회전 행렬로 변환
rotvec쿼터니언을 회전 벡터(단위: 라디안)로 변환
rotvecd쿼터니언을 회전 벡터(단위: 도)로 변환
parts쿼터니언 부분 추출
euler쿼터니언을 오일러 각(단위: 라디안)으로 변환
eulerd쿼터니언을 오일러 각(단위: 도)으로 변환
compact쿼터니언 배열을 N×4 행렬로 변환
monovslamVisual simultaneous localization and mapping (vSLAM) and visual-inertial sensor fusion with monocular camera (R2023b 이후)
imageviewsetManage data for structure-from-motion, visual odometry, and visual SLAM
optimizePosesOptimize absolute poses using relative pose constraints
createPoseGraphCreate pose graph
relativeCameraPose(Not recommended) Calculate relative rotation and translation between camera poses
triangulate3-D locations of undistorted matching points in stereo images
bundleAdjustmentAdjust collection of 3-D points and camera poses
bundleAdjustmentMotionAdjust collection of 3-D points and camera poses using motion-only bundle adjustment
bundleAdjustmentStructureRefine 3-D points using structure-only bundle adjustment
pcviewsetManage data for point cloud based visual odometry and SLAM
optimizePosesOptimize absolute poses using relative pose constraints
createPoseGraphCreate pose graph
scanContextDistanceDistance between scan context descriptors
scanContextDescriptorExtract scan context descriptor from point cloud
pctransform3차원 포인트 클라우드 변환
pcalignAlign array of point clouds
pcregistercorrRegister two point clouds using phase correlation
pcregistercpdRegister two point clouds using CPD algorithm
pcregistericpRegister two point clouds using ICP algorithm
pcregisterndtRegister two point clouds using NDT algorithm
pcregisterloamRegister two point clouds using LOAM algorithm (R2022a 이후)
pcmapndtLocalization map based on normal distributions transform (NDT) (R2021a 이후)

도움말 항목

추천 예제

Lidar Localization with Unreal Engine Simulation

Lidar Localization with Unreal Engine Simulation

Develop and evaluate a lidar localization algorithm using synthetic lidar data from the Unreal Engine® simulation environment.

Visual Localization in a Parking Lot

Visual Localization in a Parking Lot

Develop a visual localization system using synthetic image data from a parking lot scene in Unreal Engine environment.

Develop Visual SLAM Algorithm Using Unreal Engine Simulation

Develop Visual SLAM Algorithm Using Unreal Engine Simulation

Develop a visual simultaneous localization and mapping (SLAM) algorithm using image data from the Unreal Engine simulation environment.

Build a Map from Lidar Data

Build a Map from Lidar Data

Process 3-D lidar sensor data to progressively build a map, with assistance from inertial measurement unit (IMU) readings.

Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment

Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment

Develop a simultaneous localization and mapping algorithm using synthetic lidar sensor data recorded from the Unreal Engine simulation environment.

Perception-Based Parking Spot Detection Using Unreal Engine Simulation

Perception-Based Parking Spot Detection Using Unreal Engine Simulation

Build a bird's-eye-view map of a parking lot using semantically segmented images from the ego vehicle camera, and detect empty parking spots from the map.

Perception Based Live Parking Spot Detection Using Unreal Engine Simulation

Perception Based Live Parking Spot Detection Using Unreal Engine Simulation

Develop a live parking spot detection system using deep learning and SLAM.

Motion Compensation in 3-D Lidar Point Clouds Using Sensor Fusion

Motion Compensation in 3-D Lidar Point Clouds Using Sensor Fusion

Compensate point cloud distortion due to ego-vehicle motion by fusing GPS and IMU data.

PIL Verification of Generated Code for Map Creation Using Lidar SLAM

PIL Verification of Generated Code for Map Creation Using Lidar SLAM

Design a lidar SLAM algorithm for map creation, generate embedded code of the algorithm, and verify it using processor-in-the-loop (PIL) simulation on NVIDIA® Jetson™ hardware.

Build a Map with Lidar Odometry and Mapping (LOAM) Using Unreal Engine Simulation

Build a Map with Lidar Odometry and Mapping (LOAM) Using Unreal Engine Simulation

Build a map with the lidar odometry and mapping (LOAM) [1] algorithm by using synthetic lidar data from the Unreal Engine® simulation environment. In this example, you learn how to:

Build Occupancy Map from 3-D Lidar Data Using SLAM

Build Occupancy Map from 3-D Lidar Data Using SLAM

Build a 2-D Occupancy map from 3-D Lidar data using a simultaneous localization and mapping (SLAM) algorithm.

Build Map and Localize Using Segment Matching

Build Map and Localize Using Segment Matching

Build a map with lidar data and localize the position of a vehicle on the map using SegMatch, a place recognition algorithm based on segment matching.

Visual-Inertial Odometry Using Synthetic Data

Visual-Inertial Odometry Using Synthetic Data

Estimate the position and orientation of a vehicle by using an inertial measurement unit (IMU) and a monocular camera.

Build a Map from Lidar Data Using SLAM on GPU

Build a Map from Lidar Data Using SLAM on GPU

Perform 3-D simultaneous localization and mapping (SLAM) using generated code on an NVIDIA GPU.

(GPU Coder)