音像机器人SLAM导航:核心技术与实战张虎 著

序<br/>前言<br/>编程基础篇<br/>章　ROS入门知识 2<br/>1.1　ROS简介 2<br/>1.1.1　ROS的能特色 2<br/>1.1.2　ROS的发行版本 3<br/>1.1.3　ROS的学习方法 3<br/>1.2　ROS开发环境的搭建 3<br/>1.2.1　ROS的安装 4<br/>1.2.2　ROS文件的组织方式 4<br/>1..　ROS网络通信配置 5<br/>1.2.4　集成开发工具 5<br/>1.3　ROS系统架构 5<br/>1.3.1　从计算图视角理解ROS架构 6<br/>1.3.2　从文件系统视角理解ROS架构 7<br/>1.3.3　从开源社区视角理解ROS架构 8<br/>1.4　ROS调试工具 8<br/>1.4.1　命令行工具 9<br/>1.4.2　可视化工具 9<br/>1.5　ROS节点通信 10<br/>1.5.1　话题通信方式 12<br/>1.5.2　服务通信方式 15<br/>1.5.3　动作通信方式 19<br/>1.6　ROS的重要概念 25<br/>1.7　ROS 2.0展望 28<br/>1.8　本章小结 28<br/>第2章　C++编程范式 29<br/>2.1　C++工程的组织结构 29<br/>2.1.1　C++工程的一般组织结构 29<br/>2.1.2　C++工程在机器人中的组织结构 29<br/>2.2　C++代码的编译方法 30<br/>2.2.1　使用g++编译代码 31<br/>2.2.2　使用make编译代码 32<br/>2..　使用CMake编译代码 32<br/>.　C++编程风格指南 33<br/>2.4　本章小结 34<br/>第3章　OpenCV图像处理 35<br/>3.1　认识图像数据 35<br/>3.1.1　获取图像数据 35<br/>3.1.2　访问图像数据 36<br/>3.2　图像滤波 37<br/>3.2.1　线滤波 37<br/>3.2.2　非线滤波 38<br/>3..　形态学滤波 39<br/>3.3　图像变换 40<br/>3.3.1　影变换 40<br/>3.3.2　霍夫变换 42<br/>3.3.3　边缘检测 42<br/>3.3.4　直方图均衡 43<br/>3.4　图像特征点提取 44<br/>3.4.1　SIFT特征点 44<br/>3.4.2　SURF特征点 50<br/>3.4.3　ORB特征点 52<br/>3.5　本章小结 54<br/>硬件基础篇<br/>第4章　机器人传感器 56<br/>4.1　惯测量单元 56<br/>4.1.1　工作原理 56<br/>4.1.2　原始数据采集 60<br/>4.1.3　参数标定 65<br/>4.1.4　数据滤波 73<br/>4.1.5　姿态融合 75<br/>4.2　激光雷达 91<br/>4.2.1　工作原理 92<br/>4.2.2　能参数 94<br/>4..　数据处理 96<br/>4.3　相机 100<br/>4.3.1　单目相机 101<br/>4.3.2　双目相机 107<br/>4.3.3　RGB-D相机 109<br/>4.4　带编码器的减速电机 111<br/>4.4.1　电机 111<br/>4.4.2　电机驱动电路 112<br/>4.4.3　电机控制主板 113<br/>4.4.4　轮式里程计 117<br/>4.5　本章小结 118<br/>第5章　机器人主机 119<br/>5.1　X86与ARM主机对比 119<br/>5.2　ARM主机树莓派3B+ 120<br/>5.2.1　安装Ubuntu MATE 18.04 120<br/>5.2.2　安装ROS melodic 122<br/>5..　装机软件与系统设置 122<br/>5.3　ARM主机RK3399 127<br/>5.4　ARM主机Jetson-tx2 128<br/>5.5　分布式架构主机 129<br/>5.5.1　ROS网络通信 130<br/>5.5.2　机器人程序的远程开发 130<br/>5.6　本章小结 131<br/>第6章　机器人底盘 132<br/>6.1　底盘运动学模型 132<br/>6.1.1　两轮差速模型 132<br/>6.1.2　四轮差速模型 136<br/>6.1.3　阿克曼模型 140<br/>6.1.4　全向模型 144<br/>6.1.5　模型 148<br/>6.2　底盘能指标 148<br/>6.2.1　载重能力 148<br/>6.2.2　动力能 148<br/>6..　控制精度 150<br/>6.2.4　里程计精度 150<br/>6.3　典型机器人底盘搭建 151<br/>6.3.1　底盘运动学模型选择 152<br/>6.3.2　传感器选择 152<br/>6.3.3　主机选择 153<br/>6.4　本章小结 155<br/>SLAM篇<br/>第7章　SLAM中的数学基础 158<br/>7.1　SLAM发展简史 158<br/>7.1.1　数据关联、收敛和一致 160<br/>7.1.2　SLAM的基本理论 161<br/>7.2　SLAM中的概率理论 163<br/>7.2.1　状态估计问题 164<br/>7.2.2　概率运动模型 166<br/>7..　概率观测模型 171<br/>7.2.4　概率图模型 173<br/>7.3　估计理论 182<br/>7.3.1　估计量的质 182<br/>7.3.2　估计量的构建 183<br/>7.3.3　各估计量对比 190<br/>7.4　基于贝叶斯网络的状态估计 193<br/>7.4.1　贝叶斯估计 194<br/>7.4.2　参数化实现 196<br/>7.4.3　非参数化实现 202<br/>7.5　基于因子图的状态估计 206<br/>7.5.1　非线二乘估计 206<br/>7.5.2　直接求解方法 206<br/>7.5.3　优化方法 208<br/>7.5.4　各优化方法对比 218<br/>7.5.5　常用优化工具 219<br/>7.6　典型SLAM算法 221<br/>7.7　本章小结 221<br/>第8章　激光SLAM系统 2<br/>8.1　Gmapping算法 2<br/>8.1.1　原理分析 2<br/>8.1.2　源码解读 228<br/>8.1.3　安装与运行 <br/>8.2　Cartographer算法 240<br/>8.2.1　原理分析 240<br/>8.2.2　源码解读 247<br/>8..　安装与运行 258<br/>8.3　LOAM算法 266<br/>8.3.1　原理分析 266<br/>8.3.2　源码解读 267<br/>8.3.3　安装与运行 270<br/>8.4　本章小结 270<br/>第9章　视觉SLAM系统 272<br/>9.1　ORB-SLAM2算法 274<br/>9.1.1　原理分析 274<br/>9.1.2　源码解读 310<br/>9.1.3　安装与运行 319<br/>9.1.4　拓展 327<br/>9.2　LSD-SLAM算法 329<br/>9.2.1　原理分析 329<br/>9.2.2　源码解读 334<br/>9..　安装与运行 337<br/>9.3　SVO算法 338<br/>9.3.1　原理分析 338<br/>9.3.2　源码解读 341<br/>9.4　本章小结 341<br/>0章　SLAM系统 344<br/>10.1　RTABMAP算法 344<br/>10.1.1　原理分析 344<br/>10.1.2　源码解读 351<br/>10.1.3　安装与运行 357<br/>10.2　VINS算法 362<br/>10.2.1　原理分析 364<br/>10.2.2　源码解读 373<br/>10..　安装与运行 376<br/>10.3　机器学习与SLAM 379<br/>10.3.1　机器学习 379<br/>10.3.2　CNN-SLAM算法 411<br/>10.3.3　DeepVO算法 413<br/>10.4　本章小结 414<br/>自航篇<br/>1章　自航中的数学基础 418<br/>11.1　自航 418<br/>11.2　环境感知 420<br/>11.2.1　实时定位 420<br/>11.2.2　环境建模 421<br/>11..　语义理解 422<br/>11.3　路径规划 422<br/>11.3.1　常见的路径规划算法 4<br/>11.3.2　带约束的路径规划算法 430<br/>11.3.3　覆盖的路径规划算法 434<br/>11.4　运动控制 435<br/>11.4.1　基于P的运动控制 437<br/>11.4.2　基于MPC的运动控制 438<br/>11.4.3　基于强化学习的运动控制 441<br/>11.5　强化学习与自航 442<br/>11.5.1　强化学习 443<br/>11.5.2　基于强化学习的自航 465<br/>11.6　本章小结 467<br/>2章　典型自航系统 470<br/>12.1　ros-navigation导航系统 470<br/>12.1.1　原理分析 470<br/>12.1.2　源码解读 475<br/>12.1.3　安装与运行 479<br/>12.1.4　路径规划改进 492<br/>12.1.5　环境探索 496<br/>12.2　riskrrt导航系统 498<br/>1.　autoware导航系统 499<br/>12.4　导航系统面临的一些挑战 500<br/>12.5　本章小结 500<br/>3章　机器人SLAM导航综合实战 502<br/>13.1　运行机器人上的传感器 502<br/>13.1.1　运行底盘的ROS驱动 503<br/>13.1.2　运行激光雷达的ROS驱动 503<br/>13.1.3　运行IMU的ROS驱动 504<br/>13.1.4　运行相机的ROS驱动 504<br/>13.1.5　运行底盘的urdf模型 505<br/>13.1.6　传感器一键启动 506<br/>13.2　运行SLAM建图功能 506<br/>13.2.1　运行激光SLAM建图功能 507<br/>13.2.2　运行视觉SLAM建图功能 508<br/>13..　运行激光与视觉联合建图功能 508<br/>13.3　运行自航 509<br/>13.4　基于自航的应用 510<br/>13.5　本章小结 511<br/>附录A　Linux与SLAM能优化的探讨 512<br/>附录B　习题 5