_____________________________________________________________________________________


Ejemplos y ejercicios con Matlab:

Este ejemplo demuestra cómo implementar el algoritmo de localización y mapeo simultáneo (SLAM) en los datos del sensor lidar 3-D recopilados utilizando algoritmos de procesamiento de nubes de puntos y optimización de gráficos de pose.

Este ejemplo demuestra cómo implementar el algoritmo de localización y mapeo simultáneo (SLAM) en escaneos LIDAR obtenidos de un entorno simulado utilizando la optimización del gráfico de pose.

Este ejemplo demuestra cómo implementar el algoritmo de localización y mapeo simultáneo (SLAM) en los datos del sensor lidar 3-D recopilados utilizando algoritmos de procesamiento de nubes de puntos y optimización de gráficos de pose.

Este ejemplo muestra cómo utilizar el algoritmo de árbol aleatorio de exploración rápida (RRT) para planificar una ruta para un vehículo a través de un mapa conocido. Puede ajustar su propio planificador con espacio de estado personalizado y objetos de validación de ruta para cualquier aplicación de navegación.

Este ejemplo muestra cómo planificar un camino para mover muebles voluminosos en un espacio reducido evitando postes. Este ejemplo muestra un flujo de trabajo del "Problema de Piano Mover", que se utiliza para probar algoritmos de planificación de rutas con espacios de estado restringidos. Este ejemplo utiliza el objeto plannerRRTStar para implementar un algoritmo de árbol de exploración rápida (RRT *) optimizado personalizado. Los ayudantes de ejemplo proporcionados ilustran cómo definir espacios de estado personalizados y validación de estado para cualquier aplicación de planificación de movimiento.

This example shows how to plan a grasping motion for a Kinova Jaco Assitive Robotics Arm using the rapidly-exploring random tree (RRT) algorithm. This example uses a plannerRRTStar object to sample states and plan the robot motion. Provided example helpers illustrate how to define custom state spaces and state valdiation for motion planning applications.


Prácticas con Matlab, ROS y Gazebo:

Sesión práctica para utilizar MATLAB en Windows y controlar un robot en Gazebo en una máquina virtual con Linux y ROS.

Sesión práctica para implementar el algoritmo A* con el que obtener una ruta en un entorno simulado en Gazebo.

Última modificación: jueves, 17 de marzo de 2022, 13:09