機(jī)器人SLAM導(dǎo)航：核心技術(shù)與實(shí)戰(zhàn)

序
前言
編程基礎(chǔ)篇
第1章　ROS入門必備知識(shí) 2
1.1　ROS簡(jiǎn)介 2
1.1.1　ROS的性能特色 2
1.1.2　ROS的發(fā)行版本 3
1.1.3　ROS的學(xué)習(xí)方法 3
1.2　ROS開(kāi)發(fā)環(huán)境的搭建 3
1.2.1　ROS的安裝 4
1.2.2　ROS文件的組織方式 4
1.2.3　ROS網(wǎng)絡(luò)通信配置 5
1.2.4　集成開(kāi)發(fā)工具 5
1.3　ROS系統(tǒng)架構(gòu) 5
1.3.1　從計(jì)算圖視角理解ROS架構(gòu) 6
1.3.2　從文件系統(tǒng)視角理解ROS架構(gòu) 7
1.3.3　從開(kāi)源社區(qū)視角理解ROS架構(gòu) 8
1.4　ROS調(diào)試工具 8
1.4.1　命令行工具 9
1.4.2　可視化工具 9
1.5　ROS節(jié)點(diǎn)通信 10
1.5.1　話題通信方式 12
1.5.2　服務(wù)通信方式 15
1.5.3　動(dòng)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　本章小結(jié) 28
第2章　C++編程范式 29
2.1　C++工程的組織結(jié)構(gòu) 29
2.1.1　C++工程的一般組織結(jié)構(gòu) 29
2.1.2　C++工程在機(jī)器人中的組織結(jié)構(gòu) 29
2.2　C++代碼的編譯方法 30
2.2.1　使用g++編譯代碼 31
2.2.2　使用make編譯代碼 32
2.2.3　使用CMake編譯代碼 32
2.3　C++編程風(fēng)格指南 33
2.4　本章小結(jié) 34
第3章　OpenCV圖像處理 35
3.1　認(rèn)識(shí)圖像數(shù)據(jù) 35
3.1.1　獲取圖像數(shù)據(jù) 35
3.1.2　訪問(wèn)圖像數(shù)據(jù) 36
3.2　圖像濾波 37
3.2.1　線性濾波 37
3.2.2　非線性濾波 38
3.2.3　形態(tài)學(xué)濾波 39
3.3　圖像變換 40
3.3.1　射影變換 40
3.3.2　霍夫變換 42
3.3.3　邊緣檢測(cè) 42
3.3.4　直方圖均衡 43
3.4　圖像特征點(diǎn)提取 44
3.4.1　SIFT特征點(diǎn) 44
3.4.2　SURF特征點(diǎn) 50
3.4.3　ORB特征點(diǎn) 52
3.5　本章小結(jié) 54
硬件基礎(chǔ)篇
第4章　機(jī)器人傳感器 56
4.1　慣性測(cè)量單元 56
4.1.1　工作原理 56
4.1.2　原始數(shù)據(jù)采集 60
4.1.3　參數(shù)標(biāo)定 65
4.1.4　數(shù)據(jù)濾波 73
4.1.5　姿態(tài)融合 75
4.2　激光雷達(dá) 91
4.2.1　工作原理 92
4.2.2　性能參數(shù) 94
4.2.3　數(shù)據(jù)處理 96
4.3　相機(jī) 100
4.3.1　單目相機(jī) 101
4.3.2　雙目相機(jī) 107
4.3.3　RGB-D相機(jī) 109
4.4　帶編碼器的減速電機(jī) 111
4.4.1　電機(jī) 111
4.4.2　電機(jī)驅(qū)動(dòng)電路 112
4.4.3　電機(jī)控制主板 113
4.4.4　輪式里程計(jì) 117
4.5　本章小結(jié) 118
第5章　機(jī)器人主機(jī) 119
5.1　X86與ARM主機(jī)對(duì)比 119
5.2　ARM主機(jī)樹(shù)莓派3B+ 120
5.2.1　安裝Ubuntu MATE 18.04 120
5.2.2　安裝ROS melodic 122
5.2.3　裝機(jī)軟件與系統(tǒng)設(shè)置 122
5.3　ARM主機(jī)RK3399 127
5.4　ARM主機(jī)Jetson-tx2 128
5.5　分布式架構(gòu)主機(jī) 129
5.5.1　ROS網(wǎng)絡(luò)通信 130
5.5.2　機(jī)器人程序的遠(yuǎn)程開(kāi)發(fā) 130
5.6　本章小結(jié) 131
第6章　機(jī)器人底盤 132
6.1　底盤運(yùn)動(dòng)學(xué)模型 132
6.1.1　兩輪差速模型 132
6.1.2　四輪差速模型 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　底盤性能指標(biāo) 148
6.2.1　載重能力 148
6.2.2　動(dòng)力性能 148
6.2.3　控制精度 150
6.2.4　里程計(jì)精度 150
6.3　典型機(jī)器人底盤搭建 151
6.3.1　底盤運(yùn)動(dòng)學(xué)模型選擇 152
6.3.2　傳感器選擇 152
6.3.3　主機(jī)選擇 153
6.4　本章小結(jié) 155
SLAM篇
第7章　SLAM中的數(shù)學(xué)基礎(chǔ) 158
7.1　SLAM發(fā)展簡(jiǎn)史 158
7.1.1　數(shù)據(jù)關(guān)聯(lián)、收斂和一致性 160
7.1.2　SLAM的基本理論 161
7.2　SLAM中的概率理論 163
7.2.1　狀態(tài)估計(jì)問(wèn)題 164
7.2.2　概率運(yùn)動(dòng)模型 166
7.2.3　概率觀測(cè)模型 171
7.2.4　概率圖模型 173
7.3　估計(jì)理論 182
7.3.1　估計(jì)量的性質(zhì) 182
7.3.2　估計(jì)量的構(gòu)建 183
7.3.3　各估計(jì)量對(duì)比 190
7.4　基于貝葉斯網(wǎng)絡(luò)的狀態(tài)估計(jì) 193
7.4.1　貝葉斯估計(jì) 194
7.4.2　參數(shù)化實(shí)現(xiàn) 196
7.4.3　非參數(shù)化實(shí)現(xiàn) 202
7.5　基于因子圖的狀態(tài)估計(jì) 206
7.5.1　非線性最小二乘估計(jì) 206
7.5.2　直接求解方法 206
7.5.3　優(yōu)化方法 208
7.5.4　各優(yōu)化方法對(duì)比 218
7.5.5　常用優(yōu)化工具 219
7.6　典型SLAM算法 221
7.7　本章小結(jié) 221
第8章　激光SLAM系統(tǒng) 223
8.1　Gmapping算法 223
8.1.1　原理分析 223
8.1.2　源碼解讀 228
8.1.3　安裝與運(yùn)行 233
8.2　Cartographer算法 240
8.2.1　原理分析 240
8.2.2　源碼解讀 247
8.2.3　安裝與運(yùn)行 258
8.3　LOAM算法 266
8.3.1　原理分析 266
8.3.2　源碼解讀 267
8.3.3　安裝與運(yùn)行 270
8.4　本章小結(jié) 270
第9章　視覺(jué)SLAM系統(tǒng) 272
9.1　ORB-SLAM2算法 274
9.1.1　原理分析 274
9.1.2　源碼解讀 310
9.1.3　安裝與運(yùn)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　源碼解讀 334
9.2.3　安裝與運(yùn)行 337
9.3　SVO算法 338
9.3.1　原理分析 338
9.3.2　源碼解讀 341
9.4　本章小結(jié) 341
第10章　其他SLAM系統(tǒng) 344
10.1　RTABMAP算法 344
10.1.1　原理分析 344
10.1.2　源碼解讀 351
10.1.3　安裝與運(yùn)行 357
10.2　VINS算法 362
10.2.1　原理分析 364
10.2.2　源碼解讀 373
10.2.3　安裝與運(yùn)行 376
10.3　機(jī)器學(xué)習(xí)與SLAM 379
10.3.1　機(jī)器學(xué)習(xí) 379
10.3.2　CNN-SLAM算法 411
10.3.3　DeepVO算法 413
10.4　本章小結(jié) 414
自主導(dǎo)航篇
第11章　自主導(dǎo)航中的數(shù)學(xué)基礎(chǔ) 418
11.1　自主導(dǎo)航 418
11.2　環(huán)境感知 420
11.2.1　實(shí)時(shí)定位 420
11.2.2　環(huán)境建模 421
11.2.3　語(yǔ)義理解 422
11.3　路徑規(guī)劃 422
11.3.1　常見(jiàn)的路徑規(guī)劃算法 423
11.3.2　帶約束的路徑規(guī)劃算法 430
11.3.3　覆蓋的路徑規(guī)劃算法 434
11.4　運(yùn)動(dòng)控制 435
11.4.1　基于PID的運(yùn)動(dòng)控制 437
11.4.2　基于MPC的運(yùn)動(dòng)控制 438
11.4.3　基于強(qiáng)化學(xué)習(xí)的運(yùn)動(dòng)控制 441
11.5　強(qiáng)化學(xué)習(xí)與自主導(dǎo)航 442
11.5.1　強(qiáng)化學(xué)習(xí) 443
11.5.2　基于強(qiáng)化學(xué)習(xí)的自主導(dǎo)航 465
11.6　本章小結(jié) 467
第12章　典型自主導(dǎo)航系統(tǒng) 470
12.1　ros-navigation導(dǎo)航系統(tǒng) 470
12.1.1　原理分析 470
12.1.2　源碼解讀 475
12.1.3　安裝與運(yùn)行 479
12.1.4　路徑規(guī)劃改進(jìn) 492
12.1.5　環(huán)境探索 496
12.2　riskrrt導(dǎo)航系統(tǒng) 498
12.3　autoware導(dǎo)航系統(tǒng) 499
12.4　導(dǎo)航系統(tǒng)面臨的一些挑戰(zhàn) 500
12.5　本章小結(jié) 500
第13章　機(jī)器人SLAM導(dǎo)航綜合實(shí)戰(zhàn) 502
13.1　運(yùn)行機(jī)器人上的傳感器 502
13.1.1　運(yùn)行底盤的ROS驅(qū)動(dòng) 503
13.1.2　運(yùn)行激光雷達(dá)的ROS驅(qū)動(dòng) 503
13.1.3　運(yùn)行IMU的ROS驅(qū)動(dòng) 504
13.1.4　運(yùn)行相機(jī)的ROS驅(qū)動(dòng) 504
13.1.5　運(yùn)行底盤的urdf模型 505
13.1.6　傳感器一鍵啟動(dòng) 506
13.2　運(yùn)行SLAM建圖功能 506
13.2.1　運(yùn)行激光SLAM建圖功能 507
13.2.2　運(yùn)行視覺(jué)SLAM建圖功能 508
13.2.3　運(yùn)行激光與視覺(jué)聯(lián)合建圖功能 508
13.3　運(yùn)行自主導(dǎo)航 509
13.4　基于自主導(dǎo)航的應(yīng)用 510
13.5　本章小結(jié) 511
附錄A　Linux與SLAM性能優(yōu)化的探討 512
附錄B　習(xí)題 523