ROS機器人項目開發(fā)11例（原書第2版）

目　錄　　Contents
譯者序
前言
作者簡介
第1章　ROS入門 1
1.1　技術要求 2
1.2　ROS概述 2
1.2.1　ROS發(fā)行版 3
1.2.2　支持的操作系統(tǒng) 3
1.2.3　支持的機器人及傳感器 4
1.2.4　為什么選擇ROS 5
1.3　ROS基礎 6
1.3.1　文件系統(tǒng)層級 7
1.3.2　計算圖層級 7
1.3.3　ROS社區(qū)層級 9
1.3.4　ROS中的通信 9
1.4　ROS客戶端庫 10
1.5　ROS工具 11
1.5.1　ROS的可視化工具RViz 11
1.5.2　rqt_plot 11
1.5.3　rqt_graph 12
1.6　ROS模擬器 13
1.7　在Ubuntu 18.04 LTS上安裝ROS Melodic 13
1.8　在VirtualBox上設置ROS 18
1.9　Docker簡介 19
1.9.1　為什么選擇Docker 20
1.9.2　安裝Docker 20
1.10　設置ROS工作空間 23
1.11　ROS在工業(yè)界和學術界的機遇 25
1.12　本章小結 25
第2章　ROS-2及其特性簡介 26
2.1　技術要求 27
2.2　ROS-2概述 27
2.2.1　ROS-2發(fā)行版 28
2.2.2　支持的操作系統(tǒng) 28
2.2.3　支持的機器人及傳感器 29
2.2.4　為什么選擇ROS-2 29
2.3　ROS-2基礎 30
2.3.1　什么是DDS 30
2.3.2　DDS的實現(xiàn) 30
2.3.3　計算圖 31
2.3.4　ROS-2社區(qū)層級 32
2.3.5　ROS-2中的通信 32
2.3.6　ROS-2的變化 33
2.4　ROS-2客戶端庫 33
2.5　ROS-2工具 34
2.5.1　RViz2 34
2.5.2　Rqt 36
2.6　安裝ROS-2 36
2.6.1　開始安裝 37
2.6.2　獲取ROS-2源碼 38
2.6.3　ROS-1、ROS-2以及共存環(huán)境設置 41
2.6.4　運行測試節(jié)點 42
2.7　設置ROS-2工作空間 44
2.8　編寫ROS-2節(jié)點 45
2.8.1　ROS-1代碼示例 45
2.8.2　ROS-2代碼示例 46
2.8.3　ROS-1發(fā)布者節(jié)點與ROS-2發(fā)布者節(jié)點的區(qū)別 49
2.9　ROS-1和ROS-2的通信 50
2.10　本章小結 52
第3章　構建工業(yè)級移動機械臂 53
3.1　技術要求 54
3.2　常見的移動機械臂 54
3.3　移動機械臂應用場景 55
3.4　移動機械臂構建入門 56
3.4.1　單位及坐標系 57
3.4.2　Gazebo及ROS機器人模型格式設定 57
3.5　機器人底座構建 58
3.5.1　機器人底座需求 58
3.5.2　軟件參數 60
3.5.3　機器人底座建模 60
3.5.4　機器人底座模擬 64
3.5.5　機器人底座測試 68
3.6　機械臂構建 70
3.6.1　機械臂需求 71
3.6.2　軟件參數 72
3.6.3　機械臂建模 72
3.6.4　機械臂模擬 74
3.6.5　機械臂測試 77
3.7　系統(tǒng)集成 78
3.7.1　移動機械臂建模 78
3.7.2　移動機械臂模擬與測試 79
3.8　本章小結 80
第4章　基于狀態(tài)機的復雜機器人任務處理 81
4.1　技術要求 81
4.2　ROS動作機制簡介 82
4.2.1　服務器–客戶端結構概述 82
4.2.2　actionlib示例：機械臂客戶端 83
4.2.3　基于actionlib的服務器–客戶端示例：電池模擬器 85
4.3　服務員機器人應用示例 90
4.4　狀態(tài)機簡介 92
4.5　SMACH簡介 93
4.6　SMACH入門 96
4.6.1　SMACH-ROS的安裝與使用 96
4.6.2　簡單示例 96
4.6.3　餐廳機器人應用示例 98
4.7　本章小結 102
第5章　構建工業(yè)級應用程序 103
5.1　技術要求 103
5.2　應用案例：機器人送貨上門 104
5.3　機器人底座智能化 106
5.3.1　添加激光掃描傳感器 106
5.3.2　配置導航棧 108
5.3.3　環(huán)境地圖構建 110
5.3.4　機器人底座定位 111
5.4　機械臂智能化 111
5.4.1　Moveit簡介 112
5.4.2　安裝與配置Moveit 113
5.4.3　通過Moveit控制機械臂 117
5.5　應用程序模擬 120
5.5.1　環(huán)境地圖構建與保存 120
5.5.2　選擇目標點 120
5.5.3　添加目標點 121
5.5.4　狀態(tài)機構建 121
5.6　機器人改進 121
5.7　本章小結 122
第6章　多機器人協(xié)同 123
6.1　技術要求 123
6.2　集群機器人基本概念 124
6.3　集群機器人分類 125
6.4　ROS中的多機器人通信 125
6.4.1　單個roscore和公共網絡 126
6.4.2　群組/名稱空間的使用 127
6.4.3　基于群組/名稱空間的多機器人系統(tǒng)構建示例 128
6.5　多master概念簡介 131
6.5.1　multimaster_fkie功能包簡介 132
6.5.2　安裝multimaster_fkie功能包 133
6.5.3　設置multimaster_fkie功能包 133
6.6　多機器人應用示例 136
6.7　本章小結 138
第7章　嵌入式平臺上的ROS應用及其控制 139
7.1　技術要求 139
7.2　嵌入式板基礎知識 140
7.2.1　重要概念介紹 141
7.2.2　機器人領域微控制器和微處理器的區(qū)別 142
7.2.3　板卡選型步驟 142
7.3　微控制器板簡介 143
7.3.1　Arduino Mega 143
7.3.2　STM32 144
7.3.3　ESP8266 145
7.3.4　ROS支持的嵌入式板 146
7.3.5　對比表格 147
7.4　單板計算機簡介 147
7.4.1　CPU板 148
7.4.2　GPU板 151
7.5　Debian與Ubuntu 152
7.6　在Tinkerboard S平臺上設置操作系統(tǒng) 153
7.6.1　基礎需求 153
7.6.2　安裝Tinkerboard Debian操作系統(tǒng) 153
7.6.3　安裝Armbian和ROS 154
7.6.4　使用可用的ROS鏡像安裝 156
7.7　在BeagleBone Black平臺上設置ROS 156
7.7.1　基礎需求 156
7.7.2　安裝Debian 操作系統(tǒng) 157
7.7.3　安裝Ubuntu和ROS 158
7.8　在Raspberry Pi 3/4平臺上設置ROS 159
7.8.1　基礎需求 159
7.8.2　安裝Raspbian和ROS 159
7.8.3　安裝Ubuntu和ROS 160
7.9　在Jetson Nano平臺上設置ROS 161
7.10　通過ROS控制GPIO 161
7.10.1　Tinkerboard S 162
7.10.2　BeagleBone Black 163
7.10.3　Raspberry Pi 3/4 164
7.10.4　Jetson Nano 165
7.11　嵌入式板基準測試 166
7.12　Alexa入門及連接ROS 168
7.12.1　Alexa 技能構建前提條件 168
7.12.2　創(chuàng)建Alexa技能 169
7.13　本章小結 173
第8章　強化學習與機器人學 174
8.1　技術要求 174
8.2　機器學習概述 175
8.2.1　監(jiān)督學習 175
8.2.2　無監(jiān)督學習 175
8.2.3　強化學習 176
8.3　理解強化學習 176
8.3.1　探索與開發(fā) 177
8.3.2　強化學習公式 177
8.3.3　強化學習平臺 178
8.3.4　機器人領域的強化學習應用 179
8.4　馬爾可夫決策過程與貝爾曼方程 179
8.5　強化學習算法 181
8.5.1　出租車問題應用示例 181
8.5.2　TD預測 182
8.5.3　TD控制 183
8.6　ROS中的強化學習功能包 189
8.6.1　gym-gazebo 189
8.6.2　gym-gazebo2 194
8.7　本章小結 196
第9章　ROS下基于TensorFlow的深度學習 197
9.1　技術要求 197
9.2　深度學習及其應用簡介 198
9.3　機器人領域的深度學習 198
9.4　深度學習庫 199
9.5　TensorFlow入門 200
9.5.1　在Ubuntu 18.04 LTS上安裝TensorFlow 200
9.5.2　TensorFlow概念 202
9.5.3　在TensorFlow下編寫第一行代碼 204
9.6　ROS下基于TensorFlow的圖像識別 206
9.6.1　基礎需求 207
9.6.2　ROS圖像識別節(jié)點 207
9.7　scikit-learn簡介 210
9.8　SVM及其在機器人領域的應用簡介 211
9.9　本章小結 214
第10章　ROS下的自動駕駛汽車構建 215
10.1　技術要求 215
10.2　自動駕駛汽車入門 216
10.3　典型自動駕駛汽車基本組件 218
10.3.1　GPS、IMU和車輪編碼器 218
10.3.2　攝像頭 219
10.3.3　超聲波傳感器 219
10.3.4　LIDAR與RADAR 219
10.3.5　自動駕駛汽車的軟件模塊體系結構 221
10.4　ROS下的自動駕駛汽車模擬與交互 222
10.4.1　Velodyne LIDAR模擬 223
10.4.2　ROS下的Velodyne傳感器接口 224
10.4.3　激光掃描儀模擬 225
10.4.4　模擬代碼擴展 226
10.4.5　ROS下的激光掃描儀接口 227
10.4.6　Gazebo下的立體與單目攝像頭模擬 228
10.4.7　ROS下的攝像頭接口 229
10.4.8　Gazebo下的GPS模擬 230
10.4.9　ROS下的GPS接口 231
10.4.10　Gazebo下的IMU模擬 231
10.4.11　ROS下的IMU接口 233
10.4.12　Gazebo下的超聲波傳感器模擬 233
10.4.13　低成本LIDAR傳感器 235
10.5　Gazebo下帶傳感器的自動駕駛汽車模擬 236
10.6　ROS下的DBW汽車接口 241
10.6.1　功能包安裝 241
10.6.2　自動駕駛汽車及傳感器數據可視化 241
10.6.3　基于ROS與DBW通信 243
10.7　Udacity開源自動駕駛汽車項目簡介 243
10.7.1　Udacity的開源自動駕駛汽車模擬器 244
10.7.2　MATLAB ADAS工具箱 246
10.8　本章小結 246
第11章　基于VR頭盔和Leap Motion的機器人遙操作 247
11.1　技術要求 248
11.2　VR頭盔和Leap Motion傳感器入門 248
11.3　項目設計和實施 250
11.4　在Ubuntu 14.04.5上安裝Leap Motion SDK 251
11.4.1　可視化Leap Motion控制器數據 252
11.4.2　使用Leap Motion可視化工具 252
11.4.3　安裝用于Leap Motion控制器的ROS驅動程序 253
11.5　RViz中Leap Motion數據的可視化 255
11.6　使用Leap Motion控制器創(chuàng)建遙操作節(jié)點 256
11.7　構建ROS-VR Android應用程序 258
11.8　ROS-VR應用程序的使用及與Gazebo的交互 260
11.9　VR下的TurtleBot模擬 262
11.9.1　安裝TurtleBot模擬器 262
11.9.2　在VR中控制TurtleBot 262
11.10　ROS-VR應用程序故障排除 263
11.11　ROS-VR應用與Leap Motion遙操作功能集成 264
11.12　本章小結 265
第12章　基于ROS、Open CV和Dynamixel伺服系統(tǒng)的人臉識別與跟蹤 266
12.1　技術要求 266
12.2　項目概述 267
12.3　硬件和軟件基礎需求 267
12.4　使用RoboPlus配置Dynamixel伺服系統(tǒng) 271
12.5　Dynamixel與ROS連接 275
12.6　創(chuàng)建人臉跟蹤器ROS功能包 276
12.7　使用人臉跟蹤ROS功能包 278
12.7.1　理解人臉跟蹤器代碼 279
12.7.2　理解CMakeLists.txt 283
12.7.3　track.yaml文件 284
12.7.4　啟動文件 284
12.7.5　運行人臉跟蹤器節(jié)點 285
12.7.6　face_tracker_control功能包 286
12.7.7　平移控制器配置文件 287
12.7.8　伺服系統(tǒng)參數配置文件 287
12.7.9　人臉跟蹤控制器節(jié)點 288
12.7.10　創(chuàng)建CMakeLists.txt 289
12.7.11　測試人臉跟蹤器控制功能包 290
12.7.12　節(jié)點集成 291
12.7.13　固定支架并設置電路 291
12.7.14　最終運行 292
12.8　本章小結 292