機器人 SLAM 技術及其 ROS 系統應用
徐本連, 魯明麗主編
- 出版商: 機械工業
- 出版日期: 2024-02-01
- 售價: $239
- 貴賓價: 9.5 折 $227
- 語言: 簡體中文
- 頁數: 192
- 裝訂: 平裝
- ISBN: 7111745027
- ISBN-13: 9787111745020
-
相關分類:
機器人製作 Robots
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
Probabilistic Robotics (Hardcover)$1,620$1,588 -
$1,093Digital Control and State Variable Methods: Conventional and intelligent Control Systems , 4/e (IE-Paperback) -
Binary Hacks -- 駭客秘傳技巧一百招$580$493 -
$1,156Digital Control Systems Analysis & Design, 4/e (IE-Paperback) -
深度學習快速入門 — 使用 TensorFlow (Getting started with TensorFlow)$360$281 -
$403深度學習原理與TensorFlow實踐 -
$356深入淺出深度學習:原理剖析與Python實踐 -
STM32 庫開發實戰指南 : 基於 STM32F103 (第2版)$594$564 -
視覺 SLAM 十四講：從理論到實踐, 2/e$648$616 -
$264數字濾波器的 MATLAB 與 FPGA 實現 — Altera / Verilog 版, 2/e -
數字通信同步技術的 MATLAB 與 FPGA 實現 — Altera / Verilog 版, 2/e$594$564 -
實戰 ROS 機器人作業系統與專案實作, 2/e (ROS Robotics Projects, 2/e)$580$458 -
Principles and Applications of Electrical Engineering, 7/e (IE-Paperback)$1,600$1,568 -
強健的 Python｜撰寫潔淨且可維護的程式碼 (Robust Python: Write Clean and Maintainable Code)$680$537 -
Test-Driven Development 學習手冊$580$458 -
無人系統駕控實踐：基於 Autoware 自動駕駛平臺$528$502 -
輪式自主移動機器人編程實戰$359$341 -
流暢的 C｜設計原則、實踐和模式 (Fluent C: Principles, Practices, and Patterns)$680$537 -
自動駕駛與機器人中的 SLAM 技術：從理論到實踐$1,074$1,020 -
視覺慣性 SLAM 實作 - 原始程式剖析真正讀懂理論$980$647 -
移動機器人原理與應用 (基於 ROS 操作系統)$474$450 -
$287ROS 原理與技術應用 -
精通 ROS 機器人編程 (原書第3版)$774$735 -
自動駕駛規劃理論與實踐 — Lattice 算法詳解 (微課視頻版)$354$336 -
ROS 2 機器人開發 從入門到實作$594$564
相關主題
商品描述
全書共分為5章。
第1章介紹了SLAM的基本定義、分類及其數學表達，對ROS系統進行了簡要描述，
分析了在ROS系統下基於雷射特徵點的SLAM技術和基於視覺的SLAM技術的特性。
第2章詳細分析了一些典型的基於向量的SLAM演算法和基於隨機有限集的SLAM演算法的基本原理及其實現。
第3章給了ROS系統的詳細安裝步驟以及部分常用的ROS系統基本操作指令，
並以TurtleBot機器人為載體進行了基礎功能包的安裝與測試。
第4章首先介紹了用於SLAM的ROS相關工具及使用，其次分別介紹了基於雷射雷達的Gmapping、
Hector SLAM、Cartographer的原理，以及在機器人TurtleBot上的演算法實作。
第5章介紹了基於視覺的MonoSLAM、ORB-SLAM2工作原理和及其實現步驟，同時介紹了多機器人視覺SLAM系統和地圖融合實現過程。
目錄大綱
前言
第1章緒論1
1.1SLAM簡介1
1.1.1SLAM的基本定義1
1.1.2SLAM的分類3
1.2ROS簡介5
1.3基於ROS系統的SLAM技術6
1.3.1基於雷射的SLAM技術7
1.3.2基於視覺的SLAM技術8
1.4SLAM技術的未來發展13
1.5本章小結14
參考文獻14
第2章SLAM演算法簡介與實作15
2.1SLAM演算法簡介15
2.1.1SLAM演算法分類15
2.1.2不同種類SLAM演算法的特性16
2.2基於向量的SLAM經典演算法19
2.2.1EKF-SLAM演算法基本原理19
2.2.2EKF-SLAM演算法的MATLAB模擬驗證23
2.2.3FastSLAM演算法基本原理23
2.2.4FastSLAM演算法的MATLAB模擬27
2.3基於隨機有限集的SLAM演算法27
2.3.1隨機有限集27
2.3.2基於隨機有限集的SLAM28
2.3.3PHD-SLAM演算法基本原理29
2.3.4PHD-SLAM演算法的MATLAB模擬驗證33
2.4本章小結34
參考文獻34
第3章基於ROS系統的SLAM技術36
3.1ROS系統36
3.1.1ROS的版本介紹與安裝38
3.1.2ROS檔案系統級45
3.1.3ROS計算圖級47
3.1.4ROS開源社群級50
3.2ROS系統基本操作51
3.2.1創建工作空間51
3.2.2創建ROS功能包及功能包編譯52
3.2.3ROS節點的使用53
3.2.4ROS主題與節點的交互55
3.2.5ROS服務的使用57
3.2.6節點的創建與編譯58
3.2.7服務和訊息文件的建立和使用62
3.2.8Launch啟動文件68
3.3基於ROS系統的機器人實務69
3.3.1Turtlebot介紹69
3.3.2Turtlebot功能包安裝與設定71
3.3.3機器人底盤測試73
3.3.4機器人感測器測試73
3.3.5機器人跟隨功能實現74
3.3.6基於ROS的多機通訊配置75
3.4基於ROS系統的SLAM開源方案78
3.4.1基於光達的SLAM演算法78
3.4.2基於視覺的SLAM演算法79
3.5本章小結80
參考文獻81
第4章雷射SLAM技術82
4.1ROS相關工具的使用82
4.1.1rviz和Gazebo的簡介82
4.1.2Gazebo的使用83
4.1.3rviz的使用85
4.1.4Turtlebot機器人在Gazebo中的模擬87
4.1.5Turtlebot機器人在rviz的顯示89
4.2光達感測器89
4.2.1雷射雷達偵測原理89
4.2.2基於ROS的光達驅動安裝90
4.3基於雷射的Gmapping演算法91
4.3.1Gmapping背景91
4.3.2Gmapping演算法原理92
4.3.3Gmapping功能包的安裝95
4.3.4Gmapping演算法在Turtlebot上的實作98
4.4基於雷射的HectorSLAM演算法101
4.4.1HectorSLAM背景101
4.4.2HectorSLAM演算法原理102
4.4.3HectorSLAM功能包的安裝105
4.4.4HectorSLAM演算法在Turtlebot上的實作107
4.5基於雷射的Cartographer演算法109
4.5.1Cartographer背景109
4.5.2Cartographer演算法原理110
4.5.3Cartographer功能包的安裝113
4.5.4Cartographer演算法在Turtlebot上的實作117
4.6本章小結123
參考文獻124
第5章視覺SLAM技術125
5.1經典視覺SLAM框架125
5.2視覺感測器及其基礎演算法126
5.2.1視覺感測器126
5.2.2視覺里程計129
5.2.3後端優化137
5.2.4回環檢測140
5.3MonoSLAM演算法144
5.3.1MonoSLAM背景144
5.3.2MonoSLAM演算法145
5.3.3MonoSLAM功能包的安裝150
5.3.4MonoSLAM實現152
5.4ORB-SLAM2演算法155
5.4.1ORB-SLAM2背景155
5.4.2ORB-SLAM2演算法155
5.4.3ORB-SLAM2功能包的安裝162
5.4.4ORB-SLAM2在Turtlebot上的實作166
5.5多機器人視覺SLAM技術簡介171
5.5.1多機器人系統171
5.5.2機器人相互辨識173
5.5.3地圖融合策略177
5.5.4地圖融合182
5.6本章小結182
參考文獻182
