由于最近要在OpenCV3中使用SIFT和SURF特征提取，而自從OpenCV2升級到OpenCV3版本后，SIFT、SURF等這些算法都被移出opencv默認(rèn)項目庫，而被放到叫opencv_contrib的項目庫。因此需要手動下載opencv和opencv_contrib的源碼，然后將兩個源碼放在一起手動編譯安裝。

由于我的電腦是VMware虛擬機(jī)跑的ubuntu18.04，并且ubuntu18.04中安裝了ROS-melodic，而ROS-melodic裝完后默認(rèn)就把opencv-3.2.0版本順帶安裝好了。所以，為了與ROS-melodic里面自帶的opencv-3.2.0版本保持一致，我是下載了opencv-3.2.0和opencv_contrib-3.2.0源碼，手動編譯與安裝，來覆蓋ROS-melodic里面自帶的opencv-3.2.0版本。下面我列出了我的環(huán)境：

• VMware虛擬機(jī)
• ubuntu18.04
• opencv-3.2.0
• opencv_contrib-3.2.0

1.下載opencv-3.2.0和opencv_contrib-3.2.0源碼

去github下載就行了，下載地址如下：

• opencv-3.2.0下載地址：  https://github.com/opencv/opencv/tree/3.2.0
• opencv_contrib-3.2.0下載地址：  https://github.com/opencv/opencv_contrib/tree/3.2.0

下載好后將這兩個文件同時解壓到同個文件夾下，我是解壓在opencv_install這樣一個文件夾，如下圖所示。

 2.安裝相關(guān)依賴

在編譯和安裝opencv源碼之前，需要先安裝相關(guān)依賴庫，安裝命令如下：

sudo apt-get install build-essential 
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

上面命令執(zhí)行會報錯，錯誤說libjaster-dev無法安裝，解決辦法如下：

sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
sudo apt install libjasper1 libjasper-dev

3.用cmake-gui工具配置opencv編譯參數(shù)

(1)安裝cmake-gui工具

在正式編譯opencv源碼之前，需要對opencv中的CMake參數(shù)做設(shè)置，推薦用cmake-gui工具配置。先安裝cmake-gui工具，如下命令：

sudo apt-get install cmake-gui

(2)設(shè)置cmake參數(shù)

打開終端，輸入下面的命令，啟動cmake-gui工具：

cmake-gui

在打開的界面中，將where is the source code欄中設(shè)成opencv-3.2.0的路徑，將where to build the binaries欄中設(shè)成opencv-3.2.0/build的路徑，如下圖所示。

 然后點(diǎn)擊Configure按鈕，進(jìn)行配置。配置過程會報錯誤，錯誤說缺vgg_generated_48.i之類的，解決辦法是直接去網(wǎng)上下載vgg_generated_48.i這個文件，下載地址如下：

https://download.csdn.net/download/u013085286/10309843

下載好vgg_generated_48.i后，將這個文件復(fù)制到報錯中提示的路徑下就行了。以我的路徑為例，用下面的命令復(fù)制：

cp vgg_generated_48.i /home/ubuntu1804/Downloads/opencv_install/opencv_contrib-3.2.0/modules/xfeatures2d/cmake/.download/e8d0dcd54d1bcfdc29203d011a797179/vgg_generated_48.i

上面命令中路徑里面的e8d0dcd54d1bcfdc29203d011a797179根據(jù)你實(shí)際報錯提示為準(zhǔn)，類似的缺這些文件的錯誤，去網(wǎng)上下對應(yīng)的文件，同樣的方法解決就行了。
補(bǔ)齊了這些文件后， 然后再次點(diǎn)擊Configure按鈕，進(jìn)行配置，應(yīng)該就能正常配置了。

(3)設(shè)置cmake編譯參數(shù)

在界面中將一下幾個參數(shù)的取值設(shè)置好，具體參數(shù)和取值如下所示：
CMAKE_BUILD_TYPE參數(shù)取值Release，如下圖所示。

 OPENCV_EXTRA_MODULES_PATH參數(shù)取值/home/ubuntu1804/Downloads/opencv_contrib-3.2.0/modules，這個路徑的前面幾個文件夾用你的實(shí)際路徑替代，如下圖所示。

 CMAKE_INSTALL_PREFIX參數(shù)取值/usr/local，如下圖所示。

 這里需要特別提一下，還需要將ENABLE_PRECOMPILED_HEADERS參數(shù)取值設(shè)成OFF。如果不關(guān)閉這個參數(shù)的話，后面編譯會報錯誤/usr/include/c++/7/cstdlib:75:15:fatal error:stdlib.h:No such file or direct.

 上面這些編譯參數(shù)都設(shè)置好后，就可以點(diǎn)擊Generate按鈕，生成makefile文件。

4.編譯和安裝opencv

切換到opencv-3.2.0/build目錄，用make和make install編譯和安裝就行了。

cd ~/Downloads/opencv_install/opencv-3.2.0/build/
make
sudo make install

當(dāng)你執(zhí)行完上面命令的時候，并看到100%的時候，恭喜你！安裝成功！

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入門必備知識

1.1 ROS簡介 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 集成開發(fā)工具 5

1.3 ROS系統(tǒng)架構(gòu) 5

1.3.1 從計算圖視角理解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)識圖像數(shù)據(jù) 35

3.1.1 獲取圖像數(shù)據(jù) 35

3.1.2 訪問圖像數(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 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)動電路 112

4.4.3 電機(jī)控制主板 113

4.4.4 輪式里程計 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)對比 119

5.2 ARM主機(jī)樹莓派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)程開發(fā) 130

5.6 本章小結(jié) 131

第6章 機(jī)器人底盤

6.1 底盤運(yùn)動學(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 底盤性能指標(biāo) 148

6.2.1 載重能力 148

6.2.2 動力性能 148

6.2.3 控制精度 150

6.2.4 里程計精度 150

6.3 典型機(jī)器人底盤搭建 151

6.3.1 底盤運(yùn)動學(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)估計問題 164

7.2.2 概率運(yùn)動模型 166

7.2.3 概率觀測模型 171

7.2.4 概率圖模型 173

7.3 估計理論 182

7.3.1 估計量的性質(zhì) 182

7.3.2 估計量的構(gòu)建 183

7.3.3 各估計量對比 190

7.4 基于貝葉斯網(wǎng)絡(luò)的狀態(tài)估計 193

7.4.1 貝葉斯估計 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 206

7.5.1 非線性最小二乘估計 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)時定位 420

11.2.2 環(huán)境建模 421

11.2.3 語義理解 422

11.3 路徑規(guī)劃 422

11.3.1 常見的路徑規(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)動控制 435

11.4.1 基于PID的運(yùn)動控制 437

11.4.2 基于MPC的運(yùn)動控制 438

11.4.3 基于強(qiáng)化學(xué)習(xí)的運(yùn)動控制 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)行底盤的ROS驅(qū)動 503

13.1.2 運(yùn)行激光雷達(dá)的ROS驅(qū)動 503

13.1.3 運(yùn)行IMU的ROS驅(qū)動 504

13.1.4 運(yùn)行相機(jī)的ROS驅(qū)動 504

13.1.5 運(yùn)行底盤的urdf模型 505

13.1.6 傳感器一鍵啟動 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SLAM建圖功能 508

13.2.3 運(yùn)行激光與視覺聯(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