[正版] 机器人SLAM导航 核心技术与实战 张虎 软硬件一体 传感器模块构造 地图构建核心算法 激光 强化学习

  商品基本信息

商品名称：

  机器人SLAM导航：核心技术与实战

作     者：

  张虎

市 场 价：

  149.00元

ISBN  号：

  9787111697428

页     数：

  540

出 版 社：

  机械工业出版社

  目录

序

前言

编程基础篇

第1章 ROS入门必备知识  2

1.1 ROS简介  2

1.1.1 ROS的性能特色  2

1.1.2 ROS的发行版本  3

1.1.3 ROS的学习方法  3

1.2 ROS开发环境的搭建  3

1.2.1 ROS的安装  4

1.2.2 ROS文件的组织方式  4

1.2.3 ROS网络通信配置  5

1.2.4 集成开发工具  5

1.3 ROS系统架构  5

1.3.1 从计算图视角理解ROS架构  6

1.3.2 从文件系统视角理解ROS架构  7

1.3.3 从开源社区视角理解ROS架构  8

1.4 ROS调试工具  8

1.4.1 命令行工具  9

1.4.2 可视化工具  9

1.5 ROS节点通信  10

1.5.1 话题通信方式  12

1.5.2 服务通信方式  15

1.5.3 动作通信方式  19

1.6 ROS的其他重要概念  25

1.7 ROS 2.0展望  28

1.8 本章小结  28

第2章 C++编程范式  29

2.1 C++工程的组织结构  29

2.1.1 C++工程的一般组织结构  29

2.1.2 C++工程在机器人中的组织结构  29

2.2 C++代码的编译方法  30

2.2.1 使用g++编译代码  31

2.2.2 使用make编译代码  32

2.2.3 使用CMake编译代码  32

2.3 C++编程风格指南  33

2.4 本章小结  34

第3章 OpenCV图像处理  35

3.1 认识图像数据  35

3.1.1 获取图像数据  35

3.1.2 访问图像数据  36

3.2 图像滤波  37

3.2.1 线性滤波  37

3.2.2 非线性滤波  38

3.2.3 形态学滤波  39

3.3 图像变换  40

3.3.1 射影变换  40

3.3.2 霍夫变换  42

3.3.3 边缘检测  42

3.3.4 直方图均衡  43

3.4 图像特征点提取  44

3.4.1 SIFT特征点  44

3.4.2 SURF特征点  50

3.4.3 ORB特征点  52

3.5 本章小结  54

硬件基础篇

第4章 机器人传感器  56

4.1 惯性测量单元  56

4.1.1 工作原理  56

4.1.2 原始数据采集  60

4.1.3 参数标定  65

4.1.4 数据滤波  73

4.1.5 姿态融合  75

4.2 激光雷达  91

4.2.1 工作原理  92

4.2.2 性能参数  94

4.2.3 数据处理  96

4.3 相机  100

4.3.1 单目相机  101

4.3.2 双目相机  107

4.3.3 RGB-D相机  109

4.4 带编码器的减速电机  111

4.4.1 电机  111

4.4.2 电机驱动电路  112

4.4.3 电机控制主板  113

4.4.4 轮式里程计  117

4.5 本章小结  118

第5章 机器人主机  119

5.1 X86与ARM主机对比  119

5.2 ARM主机树莓派3B+  120

5.2.1 安装Ubuntu MATE 18.04  120

5.2.2 安装ROS melodic  122

5.2.3 装机软件与系统设置  122

5.3 ARM主机RK3399  127

5.4 ARM主机Jetson-tx2  128

5.5 分布式架构主机  129

5.5.1 ROS网络通信  130

5.5.2 机器人程序的远程开发  130

5.6 本章小结  131

第6章 机器人底盘  132

6.1 底盘运动学模型  132

6.1.1 两轮差速模型  132

6.1.2 四轮差速模型  136

6.1.3 阿克曼模型  140

6.1.4 全向模型  144

6.1.5 其他模型  148

6.2 底盘性能指标  148

6.2.1 载重能力  148

6.2.2 动力性能  148

6.2.3 控制精度  150

6.2.4 里程计精度  150

6.3 典型机器人底盘搭建  151

6.3.1 底盘运动学模型选择  152

6.3.2 传感器选择  152

6.3.3 主机选择  153

6.4 本章小结  155

SLAM篇

第7章 SLAM中的数学基础  158

7.1 SLAM发展简史  158

7.1.1 数据关联、收敛和一致性  160

7.1.2 SLAM的基本理论  161

7.2 SLAM中的概率理论  163

7.2.1 状态估计问题  164

7.2.2 概率运动模型  166

7.2.3 概率观测模型  171

7.2.4 概率图模型  173

7.3 估计理论  182

7.3.1 估计量的性质  182

7.3.2 估计量的构建  183

7.3.3 各估计量对比  190

7.4 基于贝叶斯网络的状态估计  193

7.4.1 贝叶斯估计  194

7.4.2 参数化实现  196

7.4.3 非参数化实现  202

7.5 基于因子图的状态估计  206

7.5.1 非线性最小二乘估计  206

7.5.2 直接求解方法  206

7.5.3 优化方法  208

7.5.4 各优化方法对比  218

7.5.5 常用优化工具  219

7.6 典型SLAM算法  221

7.7 本章小结  221

第8章 激光SLAM系统  223

8.1 Gmapping算法  223

8.1.1 原理分析  223

8.1.2 源码解读  228

8.1.3 安装与运行  233

8.2 Cartographer算法  240

8.2.1 原理分析  240

8.2.2 源码解读  247

8.2.3 安装与运行  258

8.3 LOAM算法  266

8.3.1 原理分析  266

8.3.2 源码解读  267

8.3.3 安装与运行  270

8.4 本章小结  270

第9章 视觉SLAM系统  272

9.1 ORB-SLAM2算法  274

9.1.1 原理分析  274

9.1.2 源码解读  310

9.1.3 安装与运行  319

9.1.4 拓展  327

9.2 LSD-SLAM算法  329

9.2.1 原理分析  329

9.2.2 源码解读  334

9.2.3 安装与运行  337

9.3 SVO算法  338

9.3.1 原理分析  338

9.3.2 源码解读  341

9.4 本章小结  341

第10章 其他SLAM系统  344

10.1 RTABMAP算法  344

10.1.1 原理分析  344

10.1.2 源码解读  351

10.1.3 安装与运行  357

10.2 VINS算法  362

10.2.1 原理分析  364

10.2.2 源码解读  373

10.2.3 安装与运行  376

10.3 机器学习与SLAM  379

10.3.1 机器学习  379

10.3.2 CNN-SLAM算法  411

10.3.3 DeepVO算法  413

10.4 本章小结  414

自主导航篇

第11章 自主导航中的数学基础  418

11.1 自主导航  418

11.2 环境感知  420

11.2.1 实时定位  420

11.2.2 环境建模  421

11.2.3 语义理解  422

11.3 路径规划  422

11.3.1 常见的路径规划算法  423

11.3.2 带约束的路径规划算法  430

11.3.3 覆盖的路径规划算法  434

11.4 运动控制  435

11.4.1 基于PID的运动控制  437

11.4.2 基于MPC的运动控制  438

11.4.3 基于强化学习的运动控制  441

11.5 强化学习与自主导航  442

11.5.1 强化学习  443

11.5.2 基于强化学习的自主导航  465

11.6 本章小结  467

第12章 典型自主导航系统  470

12.1 ros-navigation导航系统  470

12.1.1 原理分析  470

12.1.2 源码解读  475

12.1.3 安装与运行  479

12.1.4 路径规划改进  492

12.1.5 环境探索  496

12.2 riskrrt导航系统  498

12.3 autoware导航系统  499

12.4 导航系统面临的一些挑战  500

12.5 本章小结  500

第13章 机器人SLAM导航综合实战  502

13.1 运行机器人上的传感器  502

13.1.1 运行底盘的ROS驱动  503

13.1.2 运行激光雷达的ROS驱动  503

13.1.3 运行IMU的ROS驱动  504

13.1.4 运行相机的ROS驱动  504

13.1.5 运行底盘的urdf模型  505

13.1.6 传感器一键启动  506

13.2 运行SLAM建图功能  506

13.2.1 运行激光SLAM建图功能  507

13.2.2 运行视觉SLAM建图功能  508

13.2.3 运行激光与视觉联合建图功能  508

13.3 运行自主导航  509

13.4 基于自主导航的应用  510

13.5 本章小结  511

附录A Linux与SLAM性能优化的探讨  512

附录B 习题  523

  内容简介

全书分为4部分。第1部分对基础知识展开讲解，包括Linux基础和ROS入门。第2部分主要关注一个实际的机器人中的硬件和核心传感器模块的构造，重点讲解机器人上的传感器、差分底盘、树莓派主板开发方面的知识。第3部分是SLAM地图构建的核心算法，SLAM中的数学基础、基于激光的SLAM系统、基于视觉的SLAM系统、混合SLAM系统、新型SLAM系统。第4部分是自主导航相关的核心技术与应用，包括自主导航中的数学基础、基于地图的导航、基于环境探索建图的导航、强化学习在机器人导航中的应用。

通过阅读本书，读者不仅可以自己设计出一套SLAM导航机器人出来，还可以在软硬件结合的环境中提高自己的C++/Python/Java方面的编程能力，同时还可以接触到流行的SLAM算法的实际应用。