地图构建
-
Extended Kalman Filter for robot localization
Extended Kalman Filter for robot localization， mapping， SLAM. matlab 仿真机器人应用扩展卡尔曼滤波器localization， mapping， SLAM. -
-
移动机器人高级SLAM算法学习与仿真平台
本项目是一个功能完备的MATLAB SLAM进阶学习资源包，由国外资深开发者编写，旨在为深入研究同步定位与地图构建（SLAM）的研究者提供系统化的实践框架。该程序不仅涵盖了基础的概率机器人理论，更深入实现了多种经典的进阶SLAM算法，包括基于扩展卡尔曼滤波（EKF-SLAM）、无迹卡尔曼滤波（UKF-SLAM）以及基于粒子滤波的FastSLAM 1.0和2.0版本。项目包含高精度的移动机器人运动模型仿真、传感器观测模型建模（如激光雷达、声呐及视觉路标分析）以及复杂环境下的多重数据关联技术。此外，该工具箱还 -
RatSLAM仿生视觉导航与定位建图系统
本项目实现了一个名为RatSLAM的仿生导航系统，该系统基于啮齿类动物大脑的神经机理，专门设计用于在低分辨率单目图像数据中进行操作。项目核心功能是模拟海马体和内嗅皮层的神经过程来实现机器人的同时定位与地图构建（SLAM）。系统主要包含四个关键计算节点：1. 视觉里程计节点，用于从图像流中估计机器人的运动向量；2. 局部视图细胞（Local View Cells）节点，负责处理视觉输入，将图像转换为神经活动模式以识别特定场景；3. 姿势细胞（Pose Cells）节点，采用持续吸引子网络模型来表示和维护机器人的位置与方向信念；4. 经验地图（Experience Map）节点，将神经状态整合为环境的拓扑度量地图。该项目不仅实现了上述核心算法，还包括了参数整定策略、类图与序列图的逻辑实现、数据回放功能以及可视化工具，能够直观展示大鼠脑部导航细胞的活动状态和生成的环境地图。该系统经过验证，能够映射大规模环境（如整个郊区）并支持长期的机器人自主递送实验，适用于需要轻量级视觉导航解决方案的机器人应用。
