- 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
- 1.1 ROS简介 2
- 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
- 2.1 C++工程的组织结构 29
- 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
- 3.1 认识图像数据 35
- 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
- 4.1 惯性测量单元 56
- 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
- 6.1 底盘运动学模型 132
- 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
- 7.1 SLAM发展简史 158
- 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
- 8.1 Gmapping算法 223
- 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
- 9.1 ORB-SLAM2算法 274
- 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
- 10.1 RTABMAP算法 344
- 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
- 12.1 ros-navigation导航系统 470
- 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
- 13.1 运行机器人上的传感器 502
- 附录A Linux与SLAM性能优化的探讨 512
- 附录B 习题 523
- 作者: （英文名）xiihoo（中文名）张虎（网名） 小虎哥哥爱学习
- 官网: http://www.xiihoo.com
- QQ群： 728661815
- 邮箱: [email protected]
- 源码: https://github.com/xiihoo/Books_Robot_SLAM_Navigation
- 购书链接：https://item.jd.com/13041503.html
- ubuntu 18.04 LTS
- ROS melodic
- chapter_1: ROS入门必备知识
- topic_example 话题通信
- service_example 服务通信
- action_example 动作通信
- chapter_2: C++编程范式
- g++_compile 利用g++编译
- make_compile 利用make编译
- cmake_compile 利用cmake编译
- chapter_3: OpenCV图像处理
- image_from_img 从图片文件中获取图像数据
- image_from_vid 从视频文件中获取图像数据
- image_from_cam 从相机设备中获取图像数据
- calc_hist 直方图均衡
- xfeatures2d_example 图像特征点提取
- chapter_4: 机器人传感器
- imu_tk IMU内参标定
- imu_utils IMU内参标定
- imu_tools Madgwick姿态融合
- ManhonyAHRS Manhony姿态融合
- chapter_5: 机器人主机
- chapter_6: 机器人底盘
- chapter_7: SLAM中的数学基础
- chapter_8: 激光SLAM系统
- gmapping gmapping激光SLAM系统
- cartographer cartographer激光SLAM系统
- loam LOAM激光SLAM系统
- chapter_9: 视觉SLAM系统
- orb_slam2 ORB_SLAM2视觉SLAM系统
- lsd_slam LSD_SLAM视觉SLAM系统
- svo SVO视觉SLAM系统
- chapter_10: 其他SLAM系统
- rtabmap rtabmap激光视觉融合SLAM系统
- vins VINS视觉惯导融合SLAM系统
- LeNet-5-tensorflow LeNet-5卷积神经网络
- CNN_SLAM 基于CNN的SLAM系统
- DeepVO 基于深度学习的端到端SLAM系统
- chapter_11: 自主导航中的数学基础
- chapter_12: 典型自主导航系统
- ros-navigation
- riskrrt
- autoware
- chapter_13: 机器人SLAM导航综合实战
- patrol_fsm 多目标点巡逻
- 正在更新...
- 正在更新...
- 正在更新...
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent