01
MATLAB的重要性
为什么要强调MATLAB的重要性？
不管是在学术界还是工业界，MATLAB无论从应用广度，及受众满意度得分都非常高，究其原因，无外乎以下几点：
简单上手，谁用谁知道。
在学术界，并非每个人都是计算类专业出身，当计算机编程语言学习的不多，但又需要处理科学研究中的大量实验数据时，使用其他编程语言就相对较为困难。
这时，不同于其他需要编写底层逻辑语言，且编程逻辑与人们进行计算的思路和表达方式都大体相同的MATLAB就显得额外亲切。
这对于非计算机类的朋友而言，是十分友善的存在。
业内流传已久的捷径黑科技MATLAB已经成为本科、硕博士，必须使用的研究工具之一。
而在工业界，如果你是工程师，在工程应用这一块，就更广了，机器人、通信、嵌入式、图像处理等功能应有尽有。
有朋友用MATLAB写了一个爬虫的程序，获取了智联招聘平台上关于MATLAB的四千多条招聘信息，获取关键词如下图：
薪资待遇呢？
MATLAB简单易学，降低用户的数学基础和计算机编程语言的要求，具有友好的工作平台和编程环境，涵盖了近600个工程中需要用到数学处理函数，强大的计算机数据处理能力。用来做大数据处理，建模仿真等。
开挂仿真+多硬件平台支持
除开MATLAB编程，还有一个还有“变态”般存在的Simulink工具箱。
拖出我们需要的功能模块，按照个人需求连接各个模块，设置好参数，无需编程，即可快速搭建各个系统模型。
当然，这些都是一些程序软件上的，还有一个更有趣的，MATLAB的硬件支持包MATLAB/Simulink Support Package！
更是让人冲上云霄。
如上图所示，这就意味着，我们可以在MATLAB中配置好Simulink仿真模型，然后结合MATLAB中的STM32芯片的器件支持包，通过STM32CubeMX的联用，实现了芯片配置，最后转换为完整的C代码文件。
02
MATLAB在机器人中的应用
近年AI（人工智能）技术、机器人技术飞速发展，MATLAB怎么能落伍。为了给用户提供多维度的技术提升，今年MATLAB R2020a上线升级多多功能。
增加了人工智能，深度学习，机器人控制和规划等的工具箱，其中包括机器人运动控制，路径规划，感知，SLAM等等方面的工具。就我个人而言，本职是做机器人控制这一块的。
在机器人应用这块，MATLAB对于初学者更是十分友好，提供了足够多的工具箱。不管是运动控制还是路径规划。
亦或是视觉SLAM等等。而在机器人控制中，路径规划是机器人完成各种任务的基础，一直也是业界研究的热点，之前版本的MATLAB也有相关的涉及。
非常喜闻乐见的是，最近发布的MATLAB R2020a在这块也有新的突破：添加了多个路径规划函数，可供用户直接进行调用，修改系统的一些控制参数即可完成路径规划系统的搭建，快速完成实验仿真或工业设计。
03
关于机器人运动规划
在路径规划的研究上，学术界研究人员提出了许多规划方法：如人工势场法、单元分解法、随机路标图（PRM）法、快速搜索树（RRT）法等。
机器人运动规划的基本任务可以描述为：从开始位置到目标位置的运动。
这一任务通常涉及到两项基本问题：
1、如何躲避构型空间中出现的障碍物（几何路径规划）
2、如何满足机器人本身在机械、传感方面的速度、加速度等限制（不确定性、反馈、微分约束等）
其中，基于抽样的运动规划算法是用于解决第1个问题的重要方法，其核心思想为：先对机器人的单个构型进行碰撞检测，建立无碰撞构型的数据库，再对不同的构型进行采样以生成无碰撞路径。
该算法的优点在于具有通用性，只需要针对不同的机器人运动规划问题进行合理的参数调整。
该算法的缺点在于完备性较弱，即当参数设置不合理时，即使存在可行的路径，也不一定能够找到。
典型的抽样规划方法有综合查询方法和单一查询方法两类。
前者首先构建路线图，先通过采样和碰撞检测建立完整的无向图，以得到构型空间的完整连接属性。再通过图搜索即可得到可行的路径。
后者则从特定的初始构型出发局部建立路线图，在构型空间中延伸树型数据结构，最终使它们相连。
04
举个例子
传统的人工势场、单元分解法需要对空间中的障碍物进行精确建模，当环境中的障碍物较为复杂时，将导致规划算法计算量较大。
基于随机采样技术的PRM法可以有效解决高维空间和复杂约束中的路径规划问题。
本文以MATLAB R2020a，结合PRM算法进行一个路径规划的仿真。
*值得一提的是，更新后的MATLAB，可以直接调用PRM函数，而不需要用户再去进行PRM算法程序的编写，可以让用户快速完成简单路径规划的仿真，
只需要13行代码就可以实现，如下图所示：
仿真结果如下所示（动图）：
总之，MATLAB R2020a真的香，各位看官着实得亲自尝尝鲜呐！
01
MATLAB的重要性
为什么要强调MATLAB的重要性？
不管是在学术界还是工业界，MATLAB无论从应用广度，及受众满意度得分都非常高，究其原因，无外乎以下几点：
简单上手，谁用谁知道。
在学术界，并非每个人都是计算类专业出身，当计算机编程语言学习的不多，但又需要处理科学研究中的大量实验数据时，使用其他编程语言就相对较为困难。
这时，不同于其他需要编写底层逻辑语言，且编程逻辑与人们进行计算的思路和表达方式都大体相同的MATLAB就显得额外亲切。
这对于非计算机类的朋友而言，是十分友善的存在。
业内流传已久的捷径黑科技MATLAB已经成为本科、硕博士，必须使用的研究工具之一。
而在工业界，如果你是工程师，在工程应用这一块，就更广了，机器人、通信、嵌入式、图像处理等功能应有尽有。
有朋友用MATLAB写了一个爬虫的程序，获取了智联招聘平台上关于MATLAB的四千多条招聘信息，获取关键词如下图：
薪资待遇呢？
MATLAB简单易学，降低用户的数学基础和计算机编程语言的要求，具有友好的工作平台和编程环境，涵盖了近600个工程中需要用到数学处理函数，强大的计算机数据处理能力。用来做大数据处理，建模仿真等。
开挂仿真+多硬件平台支持
除开MATLAB编程，还有一个还有“变态”般存在的Simulink工具箱。
拖出我们需要的功能模块，按照个人需求连接各个模块，设置好参数，无需编程，即可快速搭建各个系统模型。
当然，这些都是一些程序软件上的，还有一个更有趣的，MATLAB的硬件支持包MATLAB/Simulink Support Package！
更是让人冲上云霄。
如上图所示，这就意味着，我们可以在MATLAB中配置好Simulink仿真模型，然后结合MATLAB中的STM32芯片的器件支持包，通过STM32CubeMX的联用，实现了芯片配置，最后转换为完整的C代码文件。
02
MATLAB在机器人中的应用
近年AI（人工智能）技术、机器人技术飞速发展，MATLAB怎么能落伍。为了给用户提供多维度的技术提升，今年MATLAB R2020a上线升级多多功能。
增加了人工智能，深度学习，机器人控制和规划等的工具箱，其中包括机器人运动控制，路径规划，感知，SLAM等等方面的工具。就我个人而言，本职是做机器人控制这一块的。
在机器人应用这块，MATLAB对于初学者更是十分友好，提供了足够多的工具箱。不管是运动控制还是路径规划。
亦或是视觉SLAM等等。而在机器人控制中，路径规划是机器人完成各种任务的基础，一直也是业界研究的热点，之前版本的MATLAB也有相关的涉及。
非常喜闻乐见的是，最近发布的MATLAB R2020a在这块也有新的突破：添加了多个路径规划函数，可供用户直接进行调用，修改系统的一些控制参数即可完成路径规划系统的搭建，快速完成实验仿真或工业设计。
03
关于机器人运动规划
在路径规划的研究上，学术界研究人员提出了许多规划方法：如人工势场法、单元分解法、随机路标图（PRM）法、快速搜索树（RRT）法等。
机器人运动规划的基本任务可以描述为：从开始位置到目标位置的运动。
这一任务通常涉及到两项基本问题：
1、如何躲避构型空间中出现的障碍物（几何路径规划）
2、如何满足机器人本身在机械、传感方面的速度、加速度等限制（不确定性、反馈、微分约束等）
其中，基于抽样的运动规划算法是用于解决第1个问题的重要方法，其核心思想为：先对机器人的单个构型进行碰撞检测，建立无碰撞构型的数据库，再对不同的构型进行采样以生成无碰撞路径。
该算法的优点在于具有通用性，只需要针对不同的机器人运动规划问题进行合理的参数调整。
该算法的缺点在于完备性较弱，即当参数设置不合理时，即使存在可行的路径，也不一定能够找到。
典型的抽样规划方法有综合查询方法和单一查询方法两类。
前者首先构建路线图，先通过采样和碰撞检测建立完整的无向图，以得到构型空间的完整连接属性。再通过图搜索即可得到可行的路径。
后者则从特定的初始构型出发局部建立路线图，在构型空间中延伸树型数据结构，最终使它们相连。
04
举个例子
传统的人工势场、单元分解法需要对空间中的障碍物进行精确建模，当环境中的障碍物较为复杂时，将导致规划算法计算量较大。
基于随机采样技术的PRM法可以有效解决高维空间和复杂约束中的路径规划问题。
本文以MATLAB R2020a，结合PRM算法进行一个路径规划的仿真。
*值得一提的是，更新后的MATLAB，可以直接调用PRM函数，而不需要用户再去进行PRM算法程序的编写，可以让用户快速完成简单路径规划的仿真，
只需要13行代码就可以实现，如下图所示：
仿真结果如下所示（动图）：
总之，MATLAB R2020a真的香，各位看官着实得亲自尝尝鲜呐！
举报
举报
