맵 작성

2차원 점유 맵 및 3차원 점유 맵, 자기중심적 맵, 레이캐스팅

점유 맵은 환경에 존재하는 장애물을 나타내는 데 사용되며 세계의 한계를 정의합니다. 맵을 작성하고 레이캐스팅을 사용하여 센서 측정값에서 장애물 위치를 업데이트할 수 있습니다. 기존 맵과 동기화하고 로컬 프레임을 이동하여 이동체를 따라가는 자기중심적 맵을 생성할 수 있습니다. 맵은 2차원 맵을 위한 이진 값과 확률적 값을 지원하고 3차원 맵을 위한 확률적 표현을 지원합니다.

이러한 맵을 모션 계획과 함께 사용하여 맵에서의 경로를 계획하거나 위치추정과 자세 추정 알고리즘을 사용하여 환경에서 이동체의 자세를 추정할 수 있습니다.

객체

`binaryOccupancyMap`	이진 값으로 점유 그리드 생성
`occupancyMap`	2차원 점유 맵 생성
`occupancyMap3D`	3차원 점유 맵 생성
`occupancyMap3DCollisionOptions`	Collision-checking options between 3-D occupancy map and collision geometries
`mapLayer`	Create map layer for N-dimensional data
`multiLayerMap`	Manage multiple map layers

함수

`buildMap`	Build occupancy map from lidar scans
`checkMapCollision`	Check for collision between 3-D occupancy map and geometry
`checkOccupancy`	Check if locations are free or occupied
`exportOccupancyMap3D`	Export 3-D occupancy map as octree or binary tree file
`getOccupancy`	Get occupancy probability of locations
`getMapData`	Retrieve data from map layer
`importOccupancyMap3D`	Import octree or binary tree file as 3-D occupancy map
`inflate`	Inflate each occupied location
`insertRay`	Insert ray from laser scan observation
`insertPointCloud`	Insert 3-D points or point cloud observation into map
`mapClutter`	Generate map with randomly scattered obstacles
`mapMaze`	Generate random 2-D maze map
`move`	Move map in world frame
`occupancyMatrix`	점유 맵을 행렬로 변환
`raycast`	Compute cell indices along a ray
`rayIntersection`	Find intersection points of rays and occupied map cells
`setOccupancy`	Set occupancy probability of locations
`setMapData`	Assign data to map layer
`syncWith`	Sync map with overlapping map
`updateOccupancy`	Update occupancy probability at locations

도움말 항목

Occupancy Grids
Details of occupancy grid functionality and map structure.
Fuse Multiple Lidar Sensors Using Map Layers
Occupancy maps offer a simple yet robust way of representing an environment for robotic applications by mapping the continuous world-space to a discrete data structure.
Build Occupancy Map from Depth Images Using Visual Odometry and Optimized Pose Graph
This example shows how to reduce the drift in the estimated trajectory (location and orientation) of a monocular camera using 3-D pose graph optimization.

추천 예제

Create Egocentric Occupancy Maps Using Range Sensors

Occupancy Maps offer a simple yet robust way of representing an environment for robotic applications by mapping the continuous world-space to a discrete data structure. Individual grid cells can contain binary or probabilistic information, where 0 indicates free-space, and 1 indicates occupied space. You can build up this information over time using sensor measurements and efficiently store them in the map. This information is also useful for more advanced workflows, such as collision detection and path planning.

라이브 스크립트 열기

Create Egocentric Occupancy Map from Driving Scenario Designer

Create an egocentric occupancy map from the Driving Scenario Designer app. This example uses obstacle information from the vision detection generator to update the egocentric occupancy map.

라이브 스크립트 열기

라이다 스캔과 자세를 이용해 점유 맵 작성하기

buildMap 함수는 라이다 스캔 측정값 및 연관된 자세를 사용하여 점유 그리드를 lidarScan 객체 및 연관된 [x y theta] 자세로 구축하고 occupancyMap을 작성합니다.

라이브 스크립트 열기