目录

●译者序
第1章 探测车平台概览1
1.1 本章目标2
1.2 认知深度学习子系统3
1.2.1 基本的系统组件4
1.2.2 系统的基本原理4
1.2.3 设计约束5
1.2.4 其他需求5
1.2.5 软件系统特性6
1.2.6 体系架构6
1.3 AI探测车统计分析7
1.3.1 底盘的选择7
1.3.2 机器人操作系统8
1.3.3 Pixhawk 4自动驾驶仪8
1.3.4 AI探测车任务分析8
1.3.5 AdruPilot任务规划器软件9
1.3.6 AI探测车功耗分析9
1.3.7 AI探测车的面向对象编程9
1.3.8 组件清单9
1.3.9 树莓派探测车套件清单10
1.4 本章练习10

第2章 AI探测车平台设计与分析11
2.1 本章目标11
2.2 将问题置于应用场景中11
2.3 为AI探测车绘制第一版静态UML图13
2.4 为AI探测车绘制第一版动态UML图15
2.5 为AI探测车绘制第一版动态UML类图18
2.6 为AI探测车绘制第一版动态UML序列图20
2.7 本章小结24
2.8 本章练习25

第3章 安装Linux和开发工具26
3.1 本章目标26
3.2 安装VirtualBox软件27
3.3 在VirtualBox中安装 Ubuntu 20.04.433
3.3.1 更新Ubuntu 20.04.440
3.3.2 配置Ubuntu软件仓库43
3.4 安装Anaconda45
3.5 ROS源列表46
3.6 ROS环境变量密钥46
3.7 安装ROS47
3.7.1 通过rosinstall安装附加库47
3.7.2 首次启动ROS47
3.7.3 添加ROS路径48
3.7.4 创建ROS Catkin工作空间49
3.7.5 Noetic ROS的最终检测50
3.7.6 Noetic ROS的体系架构50
3.7.7 简单的“Hello World”ROS测试51
3.7.8 ROS RQT Graph52
3.7.9 ROS Gazebo52
3.8 本章小结53
3.9 本章练习53

第4章 搭建一台简单的虚拟探测车54
4.1 本章目标54
4.2 ROS、RViz和Gazebo54
4.3 ROS推荐命令55
4.4 机器人可视化（RViz）55
4.4.1 Catkin工作空间回顾58
4.4.2 URDF和SDF之间的关系59
4.4.3 构建底盘60
4.4.4 使用ROSLAUNCH命令61
4.4.5 创建车轮和驾驶仪63
4.4.6 创建AI探测车的脚轮66
4.4.7 为AI探测车添加颜色（可选操作）66
4.4.8 碰撞属性68
4.4.9 测试AI探测车的车轮70
4.4.10 物理属性71
4.5 Gazebo简介73
4.5.1 Gazebo的背景信息74
4.5.2 启动Gazebo74
4.5.3 Gazebo环境的工具栏76
4.5.4 不可见关节面板76
4.5.5 Gazebo的菜单栏77
4.5.6 URDF向Gazebo SDF的转换78
4.5.7 检查URDF向Gazebo SDF的转换79
4.5.8 Gazebo中第一个受控AI探测车模型80
4.5.9 首次应用深度学习的可能性82
4.5.10 用关节面板移动AI探测车82
4.6 本章小结83
4.7 本章练习83

第5章 在仿真系统中添加传感器84
5.1 本章目标84
5.2 XML宏编程语言84
5.3 更多XML示例86
5.4 重构探测车87
5.4.1 模块化设计的探测车88
5.4.2 Gazebo插件96
5.4.3 系统集成105
5.4.4 Gazebo启动文件108
5.4.5 Xacro和Gazebo排错109
5.5 探测车的远程操控（Teleop）节点110
5.6 可视化工具TF Graph111
5.7 控制探测车114
5.7.1 探测车的漂移问题114
5.7.2 第一个Python控制器114
5.8 构建虚拟环境116
5.9 本章小结116
5.10 本章练习116

第6章 感知与避障118
6.1 本章目标118
6.2 理解坐标系118
6.3 构建探测车的环境模型119
6.3.1 项目的组织119
6.3.2 墓穴建模（简化版）120
6.4 激光测距滤波器的设置125
6.5 感知和规避障碍130
6.5.1 源代码分析134
6.5.2 解译LiDAR传感器数据136
6.5.3 感知和规避障碍136
6.5.4 执行避障代码139
6.6 本章小结140
6.7 本章练习140

第7章 导航、SLAM和目标位置141
7.1 本章目标141
7.2 概述141
7.3 任务类型141
7.4 里程计142
7.4.1 探测车的局部导航142
7.4.2 探测车的全局导航143
7.4.3 获取探测车的航向（方向）143
7.4.4 执行rotateRobotOdom.py145
7.5 控制理论146
7.6 即时定位与地图构建148
7.6.1 安装SLAM及相关库148
7.6.2 设置SLAM库149
7.6.3 导航的目标及任务150
7.7 地图的重要性150
7.8 启动探测车151
7.8.1 创建ai_rover_world.launch151
7.8.2 slam_gmapping启动文件153
7.8.3 准备slam_gmapping包154
7.8.4 修改gmapping_demo.launch文件154
7.8.5 RViz中的gMapping155
7.9 最终的启动终端命令157
7.9.1 RViz中的地图构建配置158
7.9.2 检查LaserScan配置159
7.9.3 检查地图构建配置159
7.9.4 保存RViz的配置161
7.9.5 Noetic SLAM的补充知识163
7.9.6 map_server ROS节点163
7.9.7 保存或修改地图图像164
7.9.8 地图图像数据文件rover_map.pgm165
7.9.9 地图图像元数据文件rover_map.yaml166
7.9.10 ROS的Bag文件166
7.9.11 ROS Bag文件的重要性168
7.10 自适应蒙特卡罗定位（找到丢失的探测车）168
7.10.1 配置ROS中的AMCL节点170
7.10.2 定位和AMCL的重要性174
7.10.3 RViz中AMCL的可视化174
7.10.4 用RViz改变探测车的姿态179
7.11 为探测车的目标姿态编写程序179
7.11.1 Neotic ROS中的导航堆栈179
7.11.2 配置导航堆栈180
7.12 本章小结180

第8章 OpenCV和感知181
8.1 本章目标181
8.2 概述181
8.3 计算机视觉简介182
8.3.1 固态物理学182
8.3.2 神经生物学182
8.3.3 机器人导航182
8.4 何谓计算机视觉182
8.5 OpenCV183
8.5.1 图像184
8.5.2 滤波器184
8.5.3 边缘检测器186
8.6 Numpy、SciPy、OpenCV和CV_Bridge186
8.7 边缘检测及其LiDAR实现193
8.8 启动Python文件194
8.8.1 pipeline_step_1194
8.8.2 pipeline_step_2195
8.8.3 pipeline_step_3196
8.9 构建和运行ROS数据管道应用程序197
8.10 用ROS启动文件启动数据管道199
8.11 本章小结200

第9章 强化学习201
9.1 强化学习入门201
9.1.1 情绪识别模拟器203
9.1.2 强化深度学习203
9.1.3 计算机视觉系统203
……