- 博客(18)
- 收藏
- 关注
RSS订阅原创 mathtype统一更改公式字号 mathtype统一更改字体方法
一篇论文除了核心内容之外，规范的排版能够增色不少，特别是一些理科的论文，里面会用到各种各样的元素。而且很多论文都不是一次性写完，甚至不是在同一台电脑上写的，这就很容易导致论文中的一些字体字号不统一的情况，使用整篇文章显得特别乱，文字部分统一字体字号比较简单。那统一字更改公式字号，mathtye统一更改字体方法是什么？
2023-09-25 09:43:23
10137
原创 数字高程模型DEM
美国麻省理工学院摄影测量学实验室的Miller和Laflamme通过摄影测量技术采样地形数据, 用于解决计算机辅助道路设计相关的工程问题，最早提出了数字地形/地面模型(digital terrain model, DTM)的概念，即利用一个任意坐标场中选择大量已知X、Y、Z的坐标点对连续地面进行简单统计表示，得到描述地球表面形态多种信息空间分布特征的有序数值阵列。在数据处理方面，SRTM数据经过多次处理和校正，包括数据填补、去除干扰信号、高程值调整等步骤，最终形成了高质量的DEM数据集。
2023-09-15 16:50:39
1601
原创 占用率网格地图
占用网格为离散网格用于机器人工作空间的表示。关于环境的信息可以从传感器实时收集，或者从已知地图中加载。激光测距仪、碰撞传感器、相机和深度传感器通常用于查找机器人环境中的障碍物。占位网格可用于机器人算法，如路径规划（见 mobileRobotPRM（机器人系统工具箱）或 plannerRRT）。在制图应用中，它们用于将传感器信息整合到离散地图中；在路径规划中，用于寻找无碰撞路径；在已知环境中，用于定位机器人（参见 monteCarloLocalization 或 matchScans）。
2023-09-08 09:44:36
288
1
原创 路径跟随控制器与PRM算法——示例
所需的路点集合由路径规划器计算，则路径跟随控制器可以以相同的方式使用。显示膨胀的地图、道路地图和最终路径。路径跟随控制器与PRM算法——示例。
2023-08-22 19:49:11
119
1
原创 差速驱动机器人的路径跟踪——示例
此示例演示了如何使用机器人模拟器控制机器人按照所需路径运行。该示例使用Pure Pursuit路径跟随控制器沿着预定路径驱动模拟机器人。所需路径是明确定义或使用路径规划器计算的一组路点（请参阅不同复杂性环境中的路径规划）。建立了模拟差速驱动机器人的Pure Pursuit路径跟随控制器，并计算了跟随给定路径的控制命令。基于Pure Pursuit控制器，计算的控制命令用于沿着期望的轨迹驱动模拟机器人以遵循期望的路径。差速驱动机器人的路径跟踪。
2023-08-22 18:56:47
179
1
原创 粒子过滤器实例——使用粒子滤波器跟踪类车机器人
粒子滤波器是一种基于采样的递归贝叶斯估计算法，在 stateEstimatorPF 对象中实现。在本例中，一个类似遥控汽车的机器人正在室外环境中被跟踪。机器人的姿态测量由车载 GPS 提供，但 GPS 存在噪声。有已知的运动指令发送给机器人，但由于机械松弛或模型不精确，机器人不会执行精确的指令运动。本示例将展示如何使用 stateEstimatorPF 来减少测量数据中的噪声影响，并获得更准确的机器人姿态估计值。类似汽车的机器人运动模型由以下非线性系统描述。
2023-08-19 21:18:50
165
原创 controllerPurePursuit
创建控制器以跟踪一组航点controllerPurePursuit System 对象™ 创建了一个控制器对象，用于使差分驱动飞行器沿着一组航点前进。该对象根据当前姿态计算飞行器的线速度和角速度。使用更新的姿势连续调用该对象可为车辆提供更新的速度指令。使用最大角速度（MaxAngularVelocity）和期望线速度（DesiredLinearVelocity）属性可根据飞行器的性能更新速度。LookaheadDistance 属性计算路径上的一个前视点，该点是车辆的局部目标。
2023-08-18 09:02:42
88
1
原创 路径规划和跟踪 Path Planning and Following
创建概率路线图路径规划器mobileRobotPRM 对象是地图属性中指定的环境地图的路线图路径规划器对象。该对象使用地图生成路线图，路线图是根据空闲空间和占用空间绘制的地图中可能路径的网络图。您可以自定义节点数（NumNodes）和连接距离（ConnectionDistance），以适应地图的复杂性，并找到从起点到终点的无障碍路径。地图定义完成后，mobileRobotPRM 路径规划器会在地图的自由空间中生成指定数量的节点。
2023-08-17 22:02:25
96
1
原创 Localization
创建粒子滤波状态估计器stateEstimatorPF 对象是一个递归贝叶斯状态估计器，它使用离散粒子来近似估计状态的后验分布。粒子滤波算法以递归方式计算状态估计值，包括两个步骤：预测和修正。预测步骤使用先前的状态，根据给定的系统模型预测当前的状态。修正步骤使用当前的传感器测量值来修正状态估计值。该算法会定期重新分配或重新采样状态空间中的粒子，以匹配估计状态的后验分布。估计状态由状态变量组成。每个粒子代表这些状态变量的离散状态假设。所有粒子的集合用于帮助确定最终的状态估计值。
2023-08-17 21:18:34
32
1
原创 粒子过滤器工作流程
粒子滤波器是一种递归贝叶斯状态估计器，它使用离散粒子来近似估计状态的后验分布。粒子滤波算法以递归方式计算状态估计值，包括两个步骤：预测 - 算法根据给定的系统模型，利用先前的状态来预测当前的状态。校正 - 算法使用当前传感器测量值来校正状态估计值。该算法还会定期重新分配或重新采样状态空间中的粒子，以匹配估计状态的后验分布。估计状态由所有状态变量组成。每个粒子代表一个离散的状态假设。所有粒子的集合用来帮助确定最终的状态估计值。您可以将粒子滤波器应用于任意非线性系统模型。
2023-08-17 21:17:29
73
1
原创 Laser Scans
创建用于存储二维激光雷达扫描的对象lidarScan 对象包含一次二维激光雷达（光探测和测距）扫描的数据。激光雷达扫描是对一个 2-D 平面的激光扫描，包括从传感器到环境中特定角度（角度）的障碍物之间的距离（范围）。将此激光扫描对象作为其他机器人算法的输入，如 matchScans（导航工具箱）、controllerVFH（导航工具箱）或 monteCarloLocalization（导航工具箱）。语法ranges - 激光雷达的范围读数，以米为单位矢量激光雷达的测距读数，以米为单位的矢量。
2023-08-17 14:53:42
148
1
原创 binaryOccupancyMap——对象函数
占用位置表示为true（1），空闲位置表示为false（0）。[endpoints,midpoints] = raycast(map,pose,range,angle)以指定的角度和范围值返回从指定的姿势出发的射线所经过的指定地图中所有单元格的单元格索引。该对象包含一个矩阵网格，其中的二进制值表示障碍物为真（1），空闲位置为假（0）。该对象包含一个矩阵网格，其中的二进制值表示障碍物为真（1），空闲位置为假（0）。该对象包含一个矩阵网格，其中的二进制值表示障碍物为真（1），空闲位置为假（0）。
2023-08-17 10:28:12
230
1
原创 移动机器人算法设计——地图创建
本地帧中 x 坐标的最小值和最大值，以 [min max] 形式的双元素向量存储。本地帧中 y 坐标的最小值和最大值，以 [min max] 形式的双元素向量存储。本地帧在世界坐标中的原点位置，以两元素向量 [xLocal yLocal] 的形式指定。世界帧中 x 坐标的最小值和最大值，以 [min max] 形式的双元素向量存储。网格左下角在本地坐标中的位置，以两元素向量 [xLocal yLocal] 的形式指定。网格左下角在世界坐标中的位置，以两个元素向量 [xGrid yGrid] 的形式指定。
2023-08-11 08:45:00
286
1
原创 移动机器人运动模型
unicycleKinematics 创建了一个独轮车模型，用于模拟类似汽车的简化车辆动力学。车辆状态被定义为一个三元素向量 [x y theta]，其中全局 xy 位置以米为单位，车辆航向角 theta 以弧度为单位。该模型近似于一个具有给定车轮半径（WheelRadius）的独轮车，它可以根据航向角（theta）原地旋转。要计算模型的时间导数状态，可使用导数函数，输入指令和机器人当前状态。创建语法描述。
2023-08-10 17:39:42
546
原创 移动机器人运动学方程
机器人状态表示为三元向量。对于给定的机器人状态：： 全局车辆位置（单位：米）： 全局车辆位置（单位：米）： 全局车辆航向 （弧度）对于阿克曼运动学，状态还包括转向角度：： 车辆转向角（弧度）独轮车、自行车和差速驱动模型共享通用控制输入，该输入接受以下内容：： 车辆速度（米/秒）： 车辆角速度（弧度/秒）运动学方程中表示的其他变量包括：： 车轮半径（米）：车轮速度（弧度/秒）： 轨道宽度（米）： 轴距（米）
2023-08-08 22:18:30
437
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人