移動機器人

第1章 移動機器人架構與ROS概述
1.1 移動機器人架構
1.2 ROS的發(fā)展歷程及概念
1.3 ROS的應用與目的
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的通信機制
3.1 ROS的通信架構
3.1.1 節(jié)點與節(jié)點管理器
3.1.2 啟動文件
3.1.3 分布式計算的配置
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 編譯并運行
3.3 服務
3.3.1 服務文件
3.3.2 服務端
3.3.3 客戶端
3.3.4 編譯并運行
3.4 動作庫
3.4.1 動作庫規(guī)約
3.4.2 服務端
3.4.3 客戶端
3.4.4 編譯并運行
3.5 參數服務器
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 數據記錄與回放
4.4.1 rosbag概述
4.4.2 rosbag命令參數及其使用
第5章 移動機器人硬件系統(tǒng)
5.1 移動機器人硬件架構
5.2 電動機的分類
5.3 PID控制
5.3.1 模擬PID控制算法
5.3.2 數字PID控制算法
5.3.3 PID的參數整定
5.4 移動機器人常用的傳感器
5.5 移動機器人的參數調整
5.6 ROS與單片機系統(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的遠程通信機制
第6章 狀態(tài)估計與濾波算法
6.1 遞歸狀態(tài)估計
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 擴展卡爾曼濾波與無跡卡爾曼濾波
6.3.1 擴展卡爾曼濾波
6.3.2 無跡卡爾曼濾波
第7章 移動機器人的運動與感知
7.1 運動模型
7.1.1 里程計模型
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 占用柵格地圖構建算法
8.1.2 使用傳感器數據更新地圖的兩種方法
8.1.3 ROS中的占用柵格地圖
8.2 機器人在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)點與發(fā)展
第9章 地圖構建與導航
9.1 即時定位與地圖構建算法
9.1.1 在線SLAM方法
9.1.2 全SLAM方法
9.2 自主導航
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中的導航包
第10章 計算機視覺基礎
10.1 OpenCV的安裝
10.2 數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 目標跟蹤
10.6.1 計算幀與幀之間的差異
10.6.2 背景分割器
10.6.3 Meanshif 與Camshift 目標跟蹤算法
第11章 機器人視覺系統(tǒng)
11.1 相機模型
11.1.1 針孔相機模型
11.1.2 雙目相機模型
11.1.3 RGB-D相機模型
11.2 視覺里程計
11.2.1 特征提取
11.2.2 特征匹配
11.2.3 相機位置的估計
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
12.1 仿真當前環(huán)境
12.1.1 Gazebo環(huán)境配置
12.1.2 運行仿真
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
13.1 人工神經網絡
13.1.1 單層神經元模型
13.1.2 兩層神經網絡模型
13.1.3 深度學習（多層神經網絡）
13. 1.4多層神經網絡中的參數
13.1.5 神經網絡的發(fā)展
13.2 OpenCV中的人工神經網絡
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
實驗
實驗1 roslaunch 的使用
實驗2 ROS消息的發(fā)送與接收（基于C++）
實驗3 ROS消息的發(fā)送與接收（基于Python）
實驗4 ROS服務的請求與響應（基于C++）
實驗5 ROS服務的請求與響應（基于Python）
實驗6 ROS動作庫的請求與響應（基于C++）
實驗7 ROS動作庫的請求與響應（基于Python）
實驗8 數據的錄制與回放
實驗9 機器人的運動控制
實驗10