第1章 移動(dòng)機(jī)器人架構(gòu)與ROS概述
1.1 移動(dòng)機(jī)器人架構(gòu)
1.2 ROS的發(fā)展歷程及概念
1.3 ROS的應(yīng)用與目的
1.4 安裝ROS環(huán)境
1.5 安裝Git
1.6 搭建dashgo環(huán)境并安裝教程包
第2章 ROS的文件系統(tǒng)
2.1 ROS工作空間
2.1.1 ROS工作空間的文件系統(tǒng)
2.1.2 創(chuàng)建ROS工程實(shí)例
2.2 Catkin編譯系統(tǒng)
2.3 ROS程序包
2.4 文件系統(tǒng)工具
第3章 ROS的通信機(jī)制
3.1 ROS的通信架構(gòu)
3.1.1 節(jié)點(diǎn)與節(jié)點(diǎn)管理器
3.1.2 啟動(dòng)文件
3.1.3 分布式計(jì)算的配置
3.2 主題?
3.2.1 消息文件
3.2.2 常見消息文件
3.2.3 發(fā)布器
3.2.4 訂閱器
3.2.5 編譯并運(yùn)行
3.3 服務(wù)
3.3.1 服務(wù)文件
3.3.2 服務(wù)端
3.3.3 客戶端
3.3.4 編譯并運(yùn)行
3.4 動(dòng)作庫
3.4.1 動(dòng)作庫規(guī)約
3.4.2 服務(wù)端
3.4.3 客戶端
3.4.4 編譯并運(yùn)行
3.5 參數(shù)服務(wù)器
第4章 可視化工具
4.1 rviz可視化工具
4.1.1 rviz的安裝
4.1.2 rviz的配置及使用
4.2 rqt可視化工具
4.3 tf工具
4.4 數(shù)據(jù)記錄與回放
4.4.1 rosbag概述
4.4.2 rosbag命令參數(shù)及其使用
第5章 移動(dòng)機(jī)器人硬件系統(tǒng)
5.1 移動(dòng)機(jī)器人硬件架構(gòu)
5.2 電動(dòng)機(jī)的分類
5.3 PID控制
5.3.1 模擬PID控制算法
5.3.2 數(shù)字PID控制算法
5.3.3 PID的參數(shù)整定
5.4 移動(dòng)機(jī)器人常用的傳感器
5.5 移動(dòng)機(jī)器人的參數(shù)調(diào)整
5.6 ROS與單片機(jī)系統(tǒng)的通信
5.7 ROS與安卓（Android）系統(tǒng)的通信
5.7.1 基于rosjava的軟件框架
5.7.2 ROS的遠(yuǎn)程通信機(jī)制
第6章 狀態(tài)估計(jì)與濾波算法
6.1 遞歸狀態(tài)估計(jì)
6.1.1 概率的基本概念
6.1.2 貝葉斯公式
6.1.3 貝葉斯濾波算法
6.1.4 貝葉斯濾波實(shí)例
6.2 卡爾曼濾波
6.2.1 卡爾曼濾波器作用
6.2.2 卡爾曼濾波的公式
6.3 擴(kuò)展卡爾曼濾波與無跡卡爾曼濾波
6.3.1 擴(kuò)展卡爾曼濾波
6.3.2 無跡卡爾曼濾波
第7章 移動(dòng)機(jī)器人的運(yùn)動(dòng)與感知
7.1 運(yùn)動(dòng)模型
7.1.1 里程計(jì)模型
7.1.2 速度模型
7.2 環(huán)境測量模型
7.2.1 波束的傳感器模型
7.2.2 似然域模型
7.2.3 基于特征的測量模型
第8章 地圖與定位
8.1 占用柵格地圖
8.1.1 占用柵格地圖構(gòu)建算法
8.1.2 使用傳感器數(shù)據(jù)更新地圖的兩種方法
8.1.3 ROS中的占用柵格地圖
8.2 機(jī)器人在costmap中的位姿表示
8.3 重定位?
8.3.1 蒙特卡洛定位圖例
8.3.2 蒙特卡洛定位算法
8.3.3 蒙特卡洛定位算法的優(yōu)點(diǎn)與發(fā)展
第9章 地圖構(gòu)建與導(dǎo)航
9.1 即時(shí)定位與地圖構(gòu)建算法
9.1.1 在線SLAM方法
9.1.2 全SLAM方法
9.2 自主導(dǎo)航
9.2.1 深度優(yōu)先搜索
9.2.2 廣度優(yōu)先搜索
9.2.3 局部路徑規(guī)劃
9.3 ROS中的導(dǎo)航包
第10章 計(jì)算機(jī)視覺基礎(chǔ)
10.1 OpenCV的安裝
10.2 數(shù)字圖像的基本概念與操作
10.3 卷積矩陣與邊緣檢測
10.4 輪廓檢測
10.5 圖像分割
10.6 目標(biāo)跟蹤
10.6.1 計(jì)算幀與幀之間的差異
10.6.2 背景分割器
10.6.3 Meanshif 與Camshift 目標(biāo)跟蹤算法
第11章 機(jī)器人視覺系統(tǒng)
11.1 相機(jī)模型
11.1.1 針孔相機(jī)模型
11.1.2 雙目相機(jī)模型
11.1.3 RGB-D相機(jī)模型
11.2 視覺里程計(jì)
11.2.1 特征提取
11.2.2 特征匹配
11.2.3 相機(jī)位置的估計(jì)
11.2.4 OpenCV提取特征和匹配特征
11.3 閉環(huán)檢測和后端優(yōu)化
11.3.1 閉環(huán)檢測
11.3.2 后端優(yōu)化
11.4 視覺建圖
11.4.1 單目建圖
11.4.2 RGB-D建圖
第12章 Gazebo仿真平臺(tái)
12.1 仿真當(dāng)前環(huán)境
12.1.1 Gazebo環(huán)境配置
12.1.2 運(yùn)行仿真
12.1.3 過程分析
12.2 將仿真用于開發(fā)
12.2.1 模型
12.2.2 創(chuàng)建世界模型
12.2.3 修改小車模型
12.2.4 添加傳感器
12.2.5 Gazebo與ROS對接
第13章 人工智能基礎(chǔ)
13.1 人工神經(jīng)網(wǎng)絡(luò)
13.1.1 單層神經(jīng)元模型
13.1.2 兩層神經(jīng)網(wǎng)絡(luò)模型
13.1.3 深度學(xué)習(xí)（多層神經(jīng)網(wǎng)絡(luò)）
13. 1.4多層神經(jīng)網(wǎng)絡(luò)中的參數(shù)
13.1.5 神經(jīng)網(wǎng)絡(luò)的發(fā)展
13.2 OpenCV中的人工神經(jīng)網(wǎng)絡(luò)
13.3 人臉檢測
13.3.1 Haar級聯(lián)
13.3.2 人臉檢測示例
13.4 人臉識別
實(shí)驗(yàn)
實(shí)驗(yàn)1 roslaunch 的使用
實(shí)驗(yàn)2 ROS消息的發(fā)送與接收（基于C++）
實(shí)驗(yàn)3 ROS消息的發(fā)送與接收（基于Python）
實(shí)驗(yàn)4 ROS服務(wù)的請求與響應(yīng)（基于C++）
實(shí)驗(yàn)5 ROS服務(wù)的請求與響應(yīng)（基于Python）
實(shí)驗(yàn)6 ROS動(dòng)作庫的請求與響應(yīng)（基于C++）
實(shí)驗(yàn)7 ROS動(dòng)作庫的請求與響應(yīng)（基于Python）
實(shí)驗(yàn)8 數(shù)據(jù)的錄制與回放
實(shí)驗(yàn)9 機(jī)器人的運(yùn)動(dòng)控制
實(shí)驗(yàn)10