线上技术展示
不平坦地形上移动机器人demo系列之一
不平坦地形上移动机器人的路径规划
本示例包含在不平坦地形上，使用数字高程模型在2.5-D空间中实现移动机器人的路径规划，主要包括：
- 利用高程数据创建数字高程模型
- 将卫星图像转换为地形障碍图
- 利用多层成本地图自定义成本函数
- 创建混合 A* 路径规划器对移动机器人进行路径规划
不平坦地形上移动机器人demo系列之二
火星探测器的建模仿真及控制
本示例包含下列对机器人和自主系统很重要的特性：
- 六轮与地形之间的接触力建模
- 路径跟踪和速度控制算法，用来调整车轮转向角度和速度
- 逆运动学分析用于规划探测器机械臂关节角度轨迹，使机械臂能够采集和存储样本
- 电机用于估算探测器功耗
基于模型设计构建无人机飞行控制算法开发完整工作流
本示例将展示 MATLAB/Simulink 在无人机飞行控制算法开发方面的端到端工作流，主要包括：
- 6 自由度飞行动力学对象与飞行控制算法 Simulink 建模仿真
- Simulink 与 QGroundControl 地面站软件联合仿真
- 面向 PX4 Autopilot 的自动代码生成与 SIL/PIL 测试
使用深度学习的频谱感知识别5G和LTE信号
本示例展示深度学习在无线方面的一个应用，主要包括：
- 生成符合标准的5G和LTE信号
- 预处理信号以产生训练数据
- 使用迁移学习构建和训练语义分割网络
- 测试和验证5G和LTE频谱感知网络
基于 AI 的字符检测和识别算法部署
本示例将通过车牌检测识别的应用场景，介绍如何：
- 利用 CRAFT 算法检测图像中的字符区域
- 通过 OCR 识别字符
- 开发 Web 应用用于交互和数据可视化
- 将深度学习算法部署到企业环境
- 实现与 Python 客户端环境的集成
基于图像处理技术实现“隐形斗篷”
“隐形斗篷” 示例展示如何通过 Simulink模型实现摄像头采集图像的实时导入、分割、替换和显示。您将有机会亲自披上斗篷以测试其“隐身”功能，并了解如何利用图像处理工具箱中的色彩分割器快速实现图像分割，以及如何利用各种图像处理和计算机视觉技术实现自主系统的感知。
使用 MATLAB 开发心电信号分类模型
本示例将这个例子展示了如何生成和部署CUDA可执行程序，该程序使用卷积神经网络(CNN)和长短期记忆网络(LSTM)对人体心电(ECG)信号进行分类。主要包括：
- 心电信号特征预览与预处理
- 使用预训练CNN网络SqueezeNet开发分类模型
- LSTM网络设计、训练与优化
- 从MATLAB 脚本生成CUDA 代码并部署到嵌入式GPU上
使用MATLAB进行虚拟实验室教学
本示例将展示如何借助虚拟实验室，通过对电机、倒立摆和无人机等硬件或系统运行仿真，提升教学交互性，主要包括：
- 使用 MATLAB/Simulink 在可视化环境中创建实验设备或实验过程的表示模型
- 使用图形输出和三维动画等形式向学生演示实验行为，帮助学生理解
- 导出仿真结果，在课堂讲解、家庭作业和实验中做进一步分析
利用多核CPU进行大型电网模型并行仿真加速
本示例将展示大型电网系统仿真面临的挑战，通过Simscape 提供的解耦模块和 Parallel Computing 提供的并行化能力，将大型电网仿真并行化，进而提高仿真速度。主要包括：
- 使用Simscape Electrical 构建大型电网模型
- Simscape 提供的物理模型解耦的方法
- 利用Parallel Computing Toolbox实现并行仿真
将AI算法应用与基于模型设计
将AI算法应用到基于模型设计。通过电池SOC估计的案例来演示，如何利用MATLAB和Simulink实现在基于模型设计中应用AI模型。
- 利用MATLAB构建并训练深度神经网络
- 将机器学习和深度学习模型集成到Simulink中进行系统级仿真
- 通过代码生成执行PIL测试