溫馨提示

摘要                                            

通過(guò)前面的基礎(chǔ)學(xué)習(xí)，本章進(jìn)入最為激動(dòng)的機(jī)器人自主導(dǎo)航的學(xué)習(xí)。在前面的學(xué)習(xí)鋪墊后，終于迎來(lái)了最大樂(lè)趣的時(shí)刻，就是賦予我們的miiboo機(jī)器人能自由行走的生命。本章將圍繞機(jī)器人SLAM建圖、導(dǎo)航避障、巡航、監(jiān)控等內(nèi)容展開(kāi)。本章內(nèi)容：

1.在機(jī)器人上使用傳感器

2.google-cartographer機(jī)器人SLAM建圖

3.ros-navigation機(jī)器人自主避障導(dǎo)航

4.多目標(biāo)點(diǎn)導(dǎo)航及任務(wù)調(diào)度

5.機(jī)器人巡航與現(xiàn)場(chǎng)監(jiān)控

5.機(jī)器人巡航與現(xiàn)場(chǎng)監(jiān)控            

機(jī)器人在實(shí)際生產(chǎn)生活中能給人類帶來(lái)很大的幫助，比如一款能巡視和現(xiàn)場(chǎng)監(jiān)控的機(jī)器人。商場(chǎng)、機(jī)場(chǎng)、家里等需要監(jiān)控和安保的場(chǎng)景，拍一個(gè)機(jī)器人去是再合適不過(guò)的了。結(jié)合前面所學(xué)的知識(shí)，我們可以讓miiboo機(jī)器人執(zhí)行巡視與現(xiàn)場(chǎng)監(jiān)控的任務(wù)。這里介紹兩種工作方式：手動(dòng)遙控式現(xiàn)場(chǎng)監(jiān)控、自動(dòng)巡航式現(xiàn)場(chǎng)監(jiān)控。

5.1.手動(dòng)遙控式現(xiàn)場(chǎng)監(jiān)控        

首先，啟動(dòng)機(jī)器人上所有傳感器，這樣機(jī)器人上的攝像頭就可以將圖像發(fā)布到ROS中，供遠(yuǎn)程訂閱和顯示。打開(kāi)終端，通過(guò)下面的命令直接啟動(dòng)就行了。

source ~/catkin_ws/devel/setup.bash 
roslaunch miiboo_bringup miiboo_all_sensor.launch

然后，啟動(dòng)導(dǎo)航所需各個(gè)節(jié)點(diǎn)，這樣就可以實(shí)時(shí)查看機(jī)器人所在的具體位置。打開(kāi)終端，通過(guò)下面的命令直接啟動(dòng)就行了。

source ~/catkin_ws_nav/devel/setup.bash 
roslaunch miiboo_nav miiboo_nav.launch

最后，在Android手機(jī)端用miiboo機(jī)器人APP控制機(jī)器人運(yùn)動(dòng)和視頻監(jiān)控周?chē)h(huán)境，如圖54。

（圖54）miiboo機(jī)器人APP控制機(jī)器人運(yùn)動(dòng)和視頻監(jiān)控周?chē)h(huán)境

5.2.自動(dòng)巡航式現(xiàn)場(chǎng)監(jiān)控            

與手動(dòng)遙控式現(xiàn)場(chǎng)監(jiān)控的區(qū)別是，自動(dòng)巡航式現(xiàn)場(chǎng)監(jiān)控不需要人員值守和遙控機(jī)器人運(yùn)動(dòng)。機(jī)器人能根據(jù)設(shè)定的巡邏路線巡航并實(shí)時(shí)回傳視頻監(jiān)控，結(jié)合人臉識(shí)別、事件識(shí)別等人工智能及視頻分析算法，可以對(duì)異常事件進(jìn)行自動(dòng)的監(jiān)控。

首先，啟動(dòng)機(jī)器人上所有傳感器，這樣機(jī)器人上的攝像頭就可以將圖像發(fā)布到ROS中，供遠(yuǎn)程訂閱和顯示。打開(kāi)終端，通過(guò)下面的命令直接啟動(dòng)就行了。

source ~/catkin_ws/devel/setup.bash 
roslaunch miiboo_bringup miiboo_all_sensor.launch 

然后，啟動(dòng)導(dǎo)航所需各個(gè)節(jié)點(diǎn)，這樣就可以實(shí)時(shí)查看機(jī)器人所在的具體位置。打開(kāi)終端，通過(guò)下面的命令直接啟動(dòng)就行了。

source ~/catkin_ws_nav/devel/setup.bash 
roslaunch miiboo_nav miiboo_nav.launch

接下來(lái)，設(shè)定好巡邏路線后，啟動(dòng)多目標(biāo)點(diǎn)巡航節(jié)點(diǎn)，打開(kāi)終端，通過(guò)下面的命令直接啟動(dòng)就行了。

source ~/catkin_ws_apps/devel/setup.bash 
roslaunch patrol patrol.launch

最后，在Android手機(jī)端用miiboo機(jī)器人APP視頻監(jiān)控周?chē)h(huán)境，或者將訂閱的視頻放入人工智能及視頻分析算法，如圖55。

（圖55）miiboo機(jī)器人APP視頻監(jiān)控周?chē)h(huán)境

后記                                                      

------SLAM+語(yǔ)音機(jī)器人DIY系列【目錄】快速導(dǎo)覽------

第1章：Linux基礎(chǔ)

1.Linux簡(jiǎn)介

2.安裝Linux發(fā)行版ubuntu系統(tǒng)

3.Linux命令行基礎(chǔ)操作

第2章：ROS入門(mén)

1.ROS是什么

2.ROS系統(tǒng)整體架構(gòu)

3.在ubuntu16.04中安裝ROS kinetic

4.如何編寫(xiě)ROS的第一個(gè)程序hello_world

5.編寫(xiě)簡(jiǎn)單的消息發(fā)布器和訂閱器

6.編寫(xiě)簡(jiǎn)單的service和client

7.理解tf的原理

8.理解roslaunch在大型項(xiàng)目中的作用

9.熟練使用rviz

10.在實(shí)際機(jī)器人上運(yùn)行ROS高級(jí)功能預(yù)覽

第3章：感知與大腦

1.ydlidar-x4激光雷達(dá)

2.帶自校準(zhǔn)九軸數(shù)據(jù)融合IMU慣性傳感器

3.輪式里程計(jì)與運(yùn)動(dòng)控制

4.音響麥克風(fēng)與攝像頭

5.機(jī)器人大腦嵌入式主板性能對(duì)比

6.做一個(gè)能走路和對(duì)話的機(jī)器人

第4章：差分底盤(pán)設(shè)計(jì)

1.stm32主控硬件設(shè)計(jì)

2.stm32主控軟件設(shè)計(jì)

3.底盤(pán)通信協(xié)議

4.底盤(pán)ROS驅(qū)動(dòng)開(kāi)發(fā)

5.底盤(pán)PID控制參數(shù)整定

6.底盤(pán)里程計(jì)標(biāo)

第5章：樹(shù)莓派3開(kāi)發(fā)環(huán)境搭建

1.安裝系統(tǒng)ubuntu_mate_16.04

2.安裝ros-kinetic

3.裝機(jī)后一些實(shí)用軟件安裝和系統(tǒng)設(shè)置

4.PC端與robot端ROS網(wǎng)絡(luò)通信

5.Android手機(jī)端與robot端ROS網(wǎng)絡(luò)通信

6.樹(shù)莓派USB與tty串口號(hào)綁定

7.開(kāi)機(jī)自啟動(dòng)ROS節(jié)點(diǎn)

第6章：SLAM建圖與自主避障導(dǎo)航

1.在機(jī)器人上使用傳感器

2.google-cartographer機(jī)器人SLAM建圖

3.ros-navigation機(jī)器人自主避障導(dǎo)航

4.多目標(biāo)點(diǎn)導(dǎo)航及任務(wù)調(diào)度

5.機(jī)器人巡航與現(xiàn)場(chǎng)監(jiān)控

第7章：語(yǔ)音交互與自然語(yǔ)言處理

1.語(yǔ)音交互相關(guān)技術(shù)

2.機(jī)器人語(yǔ)音交互實(shí)現(xiàn)

3.自然語(yǔ)言處理云計(jì)算引擎

第8章：高階拓展

1.miiboo機(jī)器人安卓手機(jī)APP開(kāi)發(fā)

2.centos7下部署Django(nginx+uwsgi+django+python3)

參考文獻(xiàn)

[1] 張虎，機(jī)器人SLAM導(dǎo)航核心技術(shù)與實(shí)戰(zhàn)[M]. 機(jī)械工業(yè)出版社，2022.

 

序

前言

編程基礎(chǔ)篇

第1章 ROS入門(mén)必備知識(shí)

1.1 ROS簡(jiǎn)介 2

1.1.1 ROS的性能特色 2

1.1.2 ROS的發(fā)行版本 3

1.1.3 ROS的學(xué)習(xí)方法 3

1.2 ROS開(kāi)發(fā)環(huán)境的搭建 3

1.2.1 ROS的安裝 4

1.2.2 ROS文件的組織方式 4

1.2.3 ROS網(wǎng)絡(luò)通信配置 5

1.2.4 集成開(kāi)發(fā)工具 5

1.3 ROS系統(tǒng)架構(gòu) 5

1.3.1 從計(jì)算圖視角理解ROS架構(gòu) 6

1.3.2 從文件系統(tǒng)視角理解ROS架構(gòu) 7

1.3.3 從開(kāi)源社區(qū)視角理解ROS架構(gòu) 8

1.4 ROS調(diào)試工具 8

1.4.1 命令行工具 9

1.4.2 可視化工具 9

1.5 ROS節(jié)點(diǎn)通信 10

1.5.1 話題通信方式 12

1.5.2 服務(wù)通信方式 15

1.5.3 動(dòng)作通信方式 19

1.6 ROS的其他重要概念 25

1.7 ROS 2.0展望 28

1.8 本章小結(jié) 28

第2章 C++編程范式

2.1 C++工程的組織結(jié)構(gòu) 29

2.1.1 C++工程的一般組織結(jié)構(gòu) 29

2.1.2 C++工程在機(jī)器人中的組織結(jié)構(gòu) 29

2.2 C++代碼的編譯方法 30

2.2.1 使用g++編譯代碼 31

2.2.2 使用make編譯代碼 32

2.2.3 使用CMake編譯代碼 32

2.3 C++編程風(fēng)格指南 33

2.4 本章小結(jié) 34

第3章 OpenCV圖像處理

3.1 認(rèn)識(shí)圖像數(shù)據(jù) 35

3.1.1 獲取圖像數(shù)據(jù) 35

3.1.2 訪問(wèn)圖像數(shù)據(jù) 36

3.2 圖像濾波 37

3.2.1 線性濾波 37

3.2.2 非線性濾波 38

3.2.3 形態(tài)學(xué)濾波 39

3.3 圖像變換 40

3.3.1 射影變換 40

3.3.2 霍夫變換 42

3.3.3 邊緣檢測(cè) 42

3.3.4 直方圖均衡 43

3.4 圖像特征點(diǎn)提取 44

3.4.1 SIFT特征點(diǎn) 44

3.4.2 SURF特征點(diǎn) 50

3.4.3 ORB特征點(diǎn) 52

3.5 本章小結(jié) 54

硬件基礎(chǔ)篇

第4章 機(jī)器人傳感器

4.1 慣性測(cè)量單元 56

4.1.1 工作原理 56

4.1.2 原始數(shù)據(jù)采集 60

4.1.3 參數(shù)標(biāo)定 65

4.1.4 數(shù)據(jù)濾波 73

4.1.5 姿態(tài)融合 75

4.2 激光雷達(dá) 91

4.2.1 工作原理 92

4.2.2 性能參數(shù) 94

4.2.3 數(shù)據(jù)處理 96

4.3 相機(jī) 100

4.3.1 單目相機(jī) 101

4.3.2 雙目相機(jī) 107

4.3.3 RGB-D相機(jī) 109

4.4 帶編碼器的減速電機(jī) 111

4.4.1 電機(jī) 111

4.4.2 電機(jī)驅(qū)動(dòng)電路 112

4.4.3 電機(jī)控制主板 113

4.4.4 輪式里程計(jì) 117

4.5 本章小結(jié) 118

第5章 機(jī)器人主機(jī)

5.1 X86與ARM主機(jī)對(duì)比 119

5.2 ARM主機(jī)樹(shù)莓派3B+ 120

5.2.1 安裝Ubuntu MATE 18.04 120

5.2.2 安裝ROS melodic 122

5.2.3 裝機(jī)軟件與系統(tǒng)設(shè)置 122

5.3 ARM主機(jī)RK3399 127

5.4 ARM主機(jī)Jetson-tx2 128

5.5 分布式架構(gòu)主機(jī) 129

5.5.1 ROS網(wǎng)絡(luò)通信 130

5.5.2 機(jī)器人程序的遠(yuǎn)程開(kāi)發(fā) 130

5.6 本章小結(jié) 131

第6章 機(jī)器人底盤(pán)

6.1 底盤(pán)運(yùn)動(dòng)學(xué)模型 132

6.1.1 兩輪差速模型 132

6.1.2 四輪差速模型 136

6.1.3 阿克曼模型 140

6.1.4 全向模型 144

6.1.5 其他模型 148

6.2 底盤(pán)性能指標(biāo) 148

6.2.1 載重能力 148

6.2.2 動(dòng)力性能 148

6.2.3 控制精度 150

6.2.4 里程計(jì)精度 150

6.3 典型機(jī)器人底盤(pán)搭建 151

6.3.1 底盤(pán)運(yùn)動(dòng)學(xué)模型選擇 152

6.3.2 傳感器選擇 152

6.3.3 主機(jī)選擇 153

6.4 本章小結(jié) 155

SLAM篇

第7章 SLAM中的數(shù)學(xué)基礎(chǔ)

7.1 SLAM發(fā)展簡(jiǎn)史 158

7.1.1 數(shù)據(jù)關(guān)聯(lián)、收斂和一致性 160

7.1.2 SLAM的基本理論 161

7.2 SLAM中的概率理論 163

7.2.1 狀態(tài)估計(jì)問(wèn)題 164

7.2.2 概率運(yùn)動(dòng)模型 166

7.2.3 概率觀測(cè)模型 171

7.2.4 概率圖模型 173

7.3 估計(jì)理論 182

7.3.1 估計(jì)量的性質(zhì) 182

7.3.2 估計(jì)量的構(gòu)建 183

7.3.3 各估計(jì)量對(duì)比 190

7.4 基于貝葉斯網(wǎng)絡(luò)的狀態(tài)估計(jì) 193

7.4.1 貝葉斯估計(jì) 194

7.4.2 參數(shù)化實(shí)現(xiàn) 196

7.4.3 非參數(shù)化實(shí)現(xiàn) 202

7.5 基于因子圖的狀態(tài)估計(jì) 206

7.5.1 非線性最小二乘估計(jì) 206

7.5.2 直接求解方法 206

7.5.3 優(yōu)化方法 208

7.5.4 各優(yōu)化方法對(duì)比 218

7.5.5 常用優(yōu)化工具 219

7.6 典型SLAM算法 221

7.7 本章小結(jié) 221

第8章 激光SLAM系統(tǒng)

8.1 Gmapping算法 223

8.1.1 原理分析 223

8.1.2 源碼解讀 228

8.1.3 安裝與運(yùn)行 233

8.2 Cartographer算法 240

8.2.1 原理分析 240

8.2.2 源碼解讀 247

8.2.3 安裝與運(yùn)行 258

8.3 LOAM算法 266

8.3.1 原理分析 266

8.3.2 源碼解讀 267

8.3.3 安裝與運(yùn)行 270

8.4 本章小結(jié) 270

第9章 視覺(jué)SLAM系統(tǒng)

9.1 ORB-SLAM2算法 274

9.1.1 原理分析 274

9.1.2 源碼解讀 310

9.1.3 安裝與運(yùn)行 319

9.1.4 拓展 327

9.2 LSD-SLAM算法 329

9.2.1 原理分析 329

9.2.2 源碼解讀 334

9.2.3 安裝與運(yùn)行 337

9.3 SVO算法 338

9.3.1 原理分析 338

9.3.2 源碼解讀 341

9.4 本章小結(jié) 341

第10章 其他SLAM系統(tǒng)

10.1 RTABMAP算法 344

10.1.1 原理分析 344

10.1.2 源碼解讀 351

10.1.3 安裝與運(yùn)行 357

10.2 VINS算法 362

10.2.1 原理分析 364

10.2.2 源碼解讀 373

10.2.3 安裝與運(yùn)行 376

10.3 機(jī)器學(xué)習(xí)與SLAM 379

10.3.1 機(jī)器學(xué)習(xí) 379

10.3.2 CNN-SLAM算法 411

10.3.3 DeepVO算法 413

10.4 本章小結(jié) 414

自主導(dǎo)航篇

第11章 自主導(dǎo)航中的數(shù)學(xué)基礎(chǔ)

11.1 自主導(dǎo)航 418

11.2 環(huán)境感知 420

11.2.1 實(shí)時(shí)定位 420

11.2.2 環(huán)境建模 421

11.2.3 語(yǔ)義理解 422

11.3 路徑規(guī)劃 422

11.3.1 常見(jiàn)的路徑規(guī)劃算法 423

11.3.2 帶約束的路徑規(guī)劃算法 430

11.3.3 覆蓋的路徑規(guī)劃算法 434

11.4 運(yùn)動(dòng)控制 435

11.4.1 基于PID的運(yùn)動(dòng)控制 437

11.4.2 基于MPC的運(yùn)動(dòng)控制 438

11.4.3 基于強(qiáng)化學(xué)習(xí)的運(yùn)動(dòng)控制 441

11.5 強(qiáng)化學(xué)習(xí)與自主導(dǎo)航 442

11.5.1 強(qiáng)化學(xué)習(xí) 443

11.5.2 基于強(qiáng)化學(xué)習(xí)的自主導(dǎo)航 465

11.6 本章小結(jié) 467

第12章 典型自主導(dǎo)航系統(tǒng)

12.1 ros-navigation導(dǎo)航系統(tǒng) 470

12.1.1 原理分析 470

12.1.2 源碼解讀 475

12.1.3 安裝與運(yùn)行 479

12.1.4 路徑規(guī)劃改進(jìn) 492

12.1.5 環(huán)境探索 496

12.2 riskrrt導(dǎo)航系統(tǒng) 498

12.3 autoware導(dǎo)航系統(tǒng) 499

12.4 導(dǎo)航系統(tǒng)面臨的一些挑戰(zhàn) 500

12.5 本章小結(jié) 500

第13章 機(jī)器人SLAM導(dǎo)航綜合實(shí)戰(zhàn)

13.1 運(yùn)行機(jī)器人上的傳感器 502

13.1.1 運(yùn)行底盤(pán)的ROS驅(qū)動(dòng) 503

13.1.2 運(yùn)行激光雷達(dá)的ROS驅(qū)動(dòng) 503

13.1.3 運(yùn)行IMU的ROS驅(qū)動(dòng) 504

13.1.4 運(yùn)行相機(jī)的ROS驅(qū)動(dòng) 504

13.1.5 運(yùn)行底盤(pán)的urdf模型 505

13.1.6 傳感器一鍵啟動(dòng) 506

13.2 運(yùn)行SLAM建圖功能 506

13.2.1 運(yùn)行激光SLAM建圖功能 507

13.2.2 運(yùn)行視覺(jué)SLAM建圖功能 508

13.2.3 運(yùn)行激光與視覺(jué)聯(lián)合建圖功能 508

13.3 運(yùn)行自主導(dǎo)航 509

13.4 基于自主導(dǎo)航的應(yīng)用 510

13.5 本章小結(jié) 511

附錄A Linux與SLAM性能優(yōu)化的探討

附錄B 習(xí)題