SLAM
SLAM(동시적 위치추정 및 지도작성)은 맵 작성 알고리즘과 위치추정과 자세 추정 알고리즘을 모두 사용하여 맵을 작성하는 동시에 해당 맵 내에서 이동체의 위치를 추정합니다. lidarSLAM
을 사용하면 라이다 스캔과 오도메트리 자세 추정값을 처리하는 사용자 자신의 SLAM 알고리즘을 조정하여 맵을 반복적으로 작성할 수 있습니다. buildMap
을 사용하면 기록되고 필터링된 데이터를 취하고 SLAM을 사용해 맵을 만들 수 있습니다. SLAM 맵 작성기 앱을 사용하면 관련 자세를 수동으로 수정하고 스캔을 정렬하여 맵의 정확도를 개선할 수 있습니다.
SLAM이 무엇인지, 그리고 다른 MATLAB® 툴박스의 SLAM 툴에 대해 자세히 알아보려면 SLAM이란?을 참조하십시오.
앱
SLAM 맵 작성기 | 라이다 기반 SLAM을 사용하여 2차원 그리드 맵 작성 |
함수
EKF SLAM
ekfSLAM | Perform simultaneous localization and mapping using extended Kalman filter (R2021b 이후) |
2차원 LiDAR SLAM
자세 그래프
poseGraph | 2차원 자세 그래프 만들기 |
poseGraph3D | 3차원 자세 그래프 만들기 |
poseGraphSolverOptions | Solver options for pose graph optimization (R2020b 이후) |
optimizePoseGraph | Optimize nodes in pose graph |
trimLoopClosures | Optimize pose graph and remove bad loop closures (R2020b 이후) |
poseplot | 3차원 자세 플롯 (R2021b 이후) |
인자 그래프
factorGraph | Bipartite graph of factors and nodes (R2022a 이후) |
importFactorGraph | Import factor graph from g2o log file (R2022a 이후) |
factorIMU | Convert IMU readings to factor (R2022a 이후) |
factorGPS | Factor for GPS measurement (R2022a 이후) |
factorTwoPoseSE2 | Factor relating two SE(2) poses (R2022a 이후) |
factorTwoPoseSE3 | Factor relating two SE(3) poses (R2022a 이후) |
factorPoseSE2AndPointXY | Factor relating SE(2) position and 2-D point (R2022b 이후) |
factorPoseSE3AndPointXYZ | Factor relating SE(3) position and 3-D point (R2022b 이후) |
factorIMUBiasPrior | Prior factor for IMU bias (R2022a 이후) |
factorVelocity3Prior | Prior factor for 3-D velocity (R2022a 이후) |
factorPoseSE3Prior | Full-state prior factor for SE(3) pose (R2022a 이후) |
factorCameraSE3AndPointXYZ | Factor relating SE(3) camera pose and 3-D point (R2023a 이후) |
estimateGravityRotation | Estimate gravity rotation using IMU measurements and factor graph optimization (R2023a 이후) |
estimateGravityRotationAndPoseScale | Estimate gravity rotation and pose scale using IMU measurements and factor graph optimization (R2023a 이후) |
estimateCameraIMUTransform | Estimate transformation from camera to IMU sensor using calibration data (R2024a 이후) |
도움말 항목
- Choose SLAM Workflow Based on Sensor Data (Computer Vision Toolbox)
Choose the right simultaneous localization and mapping (SLAM) workflow and find topics, examples, and supported features.
추천 예제
Performant and Deployable Monocular Visual SLAM
Visual simultaneous localization and mapping (vSLAM) refers to the process of calculating the position and orientation of a camera with respect to its surroundings while simultaneously mapping the environment. Applications for vSLAM include augmented reality, robotics, and autonomous driving. In this example, the algorithm uses only visual inputs from the camera.
- R2024a 이후
- 라이브 스크립트 열기
Build a Map from Lidar Data Using SLAM
Process 3-D lidar data from a sensor on a vehicle to progressively build a map and estimate the trajectory using SLAM.
- R2024a 이후
- 라이브 스크립트 열기
Monocular Visual-Inertial Odometry (VIO) Using Factor Graph
Implement monocular visual-inertial odometry to localize a UAV using camera and IMU data, optimized by a factor graph.
- R2023b 이후
- 라이브 스크립트 열기
Landmark SLAM Using AprilTag Markers
Combine robot odometry data and AprilTag markers to implement SLAM with a factor graph and pose graph, and compare the results.
Map Indoor Area Using Lidar SLAM and Factor Graph
Implement offline lidar SLAM on collected lidar scans to map an indoor area using a factor graph and lidar scan map.
Build and Deploy Visual SLAM Algorithm with ROS in MATLAB
Implement a monocular visual SLAM algorithm to estimate camera poses and deploy generated C++ code using ROS.
Simulate RGB-D Visual SLAM System with Cosimulation in Gazebo and Simulink
Use RGB and depth images from a robot to simulate a RGB-D visual SLAM system in Simulink.
- R2024b 이후
- 라이브 스크립트 열기
EKF-Based Landmark SLAM
Implement landmark SLAM using the Extended Kalman Filter algorithm to track the path of a vehicle and map the surroundings.
라이다 스캔으로 SLAM(동시적 위치추정 및 지도작성) 구현하기
자세 그래프와 일련의 라이다 스캔 컬렉션을 사용하여 오프라인 SLAM을 구현하고 환경 맵을 작성합니다.
Implement Online Simultaneous Localization And Mapping (SLAM) with Lidar Scans
Implement online SLAM using a pose graph and lidar scans, and build a map of the Simulink® 3D Animation™ environment.
MATLAB 명령
다음 MATLAB 명령에 해당하는 링크를 클릭했습니다.
명령을 실행하려면 MATLAB 명령 창에 입력하십시오. 웹 브라우저는 MATLAB 명령을 지원하지 않습니다.
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)