機器人SLAM導航書重磅來襲

互聯網和人工智能技術可以看成是對人類大腦的進一步延展，而機器人技術則可以看成是對人類軀體的進一步延展。如果人工智能技術僅僅停留在虛擬的網絡和數據之中，那么其挖掘并利用新知識的能力將很難擴展開來。可以說，機器人是人工智能技術應用能力的有效延展，而能自主移動的機器人更是極大地拓展了人工智能技術的應用范圍。SLAM導航技術正是當下實現機器人自主移動的熱門研究領域，也是本書內容的核心所在。

幫助機器人實現完全自主化的每一種底層技術無疑將成為“機器人時代”的基礎設施，其中的自主移動技術在當下備受矚目，其實質就是解決從地點A到地點B的問題。這個問題看似簡單，實則非常復雜。當向機器人下達移動到地點B的命令后，機器人不免會問出三個頗具哲學性的問題，即“我在哪”“我將到何處去”和“我該如何去”。經過近幾十年來的研究，業界形成了一套有效解決機器人自主移動的方案，即SLAM導航方案。

目前以SLAM導航技術為支撐的自主移動應用已經十分廣泛，涵蓋航天、軍事、特種作業、工業生產、智慧交通、消費娛樂等眾多領域。典型應用包括火星探測車、軍事機器人、特種作業機器人、農業領域機器人、自動駕駛汽車、終端物流配送機器人、機器人智慧養老、機器人餐廳、家庭服務機器人等。

雖然SLAM導航技術在許多方面取得了突破，但其仍處于發展階段且尚未真正落地。這就需要有更多的人參與到這個龐大且深奧的項目中來，以加快技術突破和產品落地的速度。而機器人是多專業知識交叉的學科，通常涉及傳感器、驅動程序、多機通信、機械結構、算法等眾多領域。這就導致各個領域的研究、開發人員都在自己熟悉的領域內“閉門造車”，缺乏領域之間的必要交流與實踐。軟件層面的開發者由于缺乏對機器人傳感器、機器人主機和機器人底盤的系統性認識，因此往往會在涉及軟硬件深度優化方面的問題時束手無策。而硬件層面的開發者由于缺乏軟件方面的必備基礎，因此經常會在理解軟件層需求時出現偏差。由于缺乏相關的數學理論體系，因此ROS及硬件相關領域的開發人員大多只能充當“調參俠”，很難對SLAM導航方面的算法提出實質性的改善建議。缺乏工程思維和實踐經驗，SLAM算法或導航算法方面的研究人員則很難將研究成果真正落地。

可以說，機器人SLAM導航是一個軟硬件相結合、理論加實戰的浩大工程性問題。而目前各領域之間還存在很大的交流屏障，這無疑成了機器人SLAM導航技術突破與落地的突出痛點。于是，這本兼具理論性和實踐性的系統化圖書《機器人SLAM導航：核心技術與實戰》應運而生，希望通過這樣一本書將機器人SLAM導航中的軟件技術、硬件技術、數學理論、工程落地等一系列問題打通。

作者解讀

https://www.bilibili.com/video/BV1SR4y1M74V

本書特色

本書的第一大亮點是對SLAM理論體系做了深入淺出的分析。本書先對SLAM理論做了總結性討論，這作為SLAM討論的開篇章節有利于讀者快速理清學習思路；而更深層的SLAM理論知識則放在后續具體SLAM系統中詳細展開討論，結合實例進行講解，這樣的好處是能大大降低深奧理論知識的理解難度。

本書的第二大亮點是將SLAM與導航兩大研究領域有機地串接起來。目前很多資料只側重于討論SLAM問題，而很少談及導航問題。其實對自主移動機器人來說，SLAM技術只相當于給機器人提供了一條腿，而另一條腿則是導航技術。由于本書前幾章對機器人硬件、系統、SLAM理論及具體算法實現做了大量鋪墊，這就為SLAM與導航相結合內容的討論提供了土壤。

本書的第三大亮點是對機器學習所涉及的理論基礎進行了全面介紹，特別是對與SLAM前沿方向密切相關的深度學習及與自主導航前沿方向密切相關的強化學習進行了深入對比分析。深度學習和強化學習理論知識的講解為本書學習者后續的持續研究提供了廣闊的想象空間，為機器人實現強人工智能提供了技術路線的參考。

讀者對象

本書適合的讀者范圍極為廣泛，主要包括：

• 從事自主移動機器人或者無人駕駛方面工作的開發人員；
•  智能機器人方面的市場調研人員、產品經理等；
• 想要轉型到機器人算法崗位的開發者；
• SLAM導航領域的本科生或研究生；
• 從事機械設計、機器人底盤研發、AGV算法升級等方面工作的開發人員；
• 對SLAM導航感興趣的愛好者。

隨書資源

如何閱讀本書

本書分為四篇，共13章。
編程基礎篇（第1～3章）。本篇帶領大家了解ROS的核心概念、大型C++工程的代碼組織方式以及圖像處理方面的基礎知識，為后續學習打好必要的編程基礎。

硬件基礎篇（第4～6章）。本篇通過對機器人傳感器、機器人主機和機器人底盤的討論，讓缺少硬件基礎的開發者對機器人的硬件有一個系統的認識并更好地理解軟件與硬件之間的協同關系。機器人傳感器相當于機器人的眼耳口鼻，機器人主機相當于機器人的大腦，而機器人底盤則相當于集成傳感器和主機的軀干。

SLAM篇（第7～10章）。本篇首先總結式地介紹整個SLAM的理論知識體系，接著以各個具體的SLAM系統實現為例進一步介紹SLAM算法的代碼框架及核心算法的實現細節。

自主導航篇（第11～13章）。本篇首先給出整個自主導航的理論體系知識的總結，接著以各個具體的自主導航系統實現為例進一步介紹自主導航算法的代碼框架以及核心算法的細節實現，最后以一個真實機器人為例介紹應用SLAM導航技術進行開發的完整流程。學完本書的全部內容后，相信大家能夠繼續進行SLAM導航技術的獨立研究和開發。

參考文獻

[1] 張虎，機器人SLAM導航核心技術與實戰[M]. 機械工業出版社，2022.

 

 

 

序

前言

編程基礎篇

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的發行版本 3

1.1.3 ROS的學習方法 3

1.2 ROS開發環境的搭建 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網絡通信配置 5

1.2.4 集成開發工具 5

1.3 ROS系統架構 5

1.3.1 從計算圖視角理解ROS架構 6

1.3.2 從文件系統視角理解ROS架構 7

1.3.3 從開源社區視角理解ROS架構 8

1.4 ROS調試工具 8

1.4.1 命令行工具 9

1.4.2 可視化工具 9

1.5 ROS節點通信 10

1.5.1 話題通信方式 12

1.5.2 服務通信方式 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 28

第2章 C++編程范式

2.1 C++工程的組織結構 29

2.1.1 C++工程的一般組織結構 29

2.1.2 C++工程在機器人中的組織結構 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++編程風格指南 33

2.4 本章小結 34

第3章 OpenCV圖像處理

3.1 認識圖像數據 35

3.1.1 獲取圖像數據 35

3.1.2 訪問圖像數據 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 形態學濾波 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 圖像特征點提取 44

3.4.1 SIFT特征點 44

3.4.2 SURF特征點 50

3.4.3 ORB特征點 52

3.5 本章小結 54

硬件基礎篇

第4章 機器人傳感器

4.1 慣性測量單元 56

4.1.1 工作原理 56

4.1.2 原始數據采集 60

4.1.3 參數標定 65

4.1.4 數據濾波 73

4.1.5 姿態融合 75

4.2 激光雷達 91

4.2.1 工作原理 92

4.2.2 性能參數 94

4.2.3 數據處理 96

4.3 相機 100

4.3.1 單目相機 101

4.3.2 雙目相機 107

4.3.3 RGB-D相機 109

4.4 帶編碼器的減速電機 111

4.4.1 電機 111

4.4.2 電機驅動電路 112

4.4.3 電機控制主板 113

4.4.4 輪式里程計 117

4.5 本章小結 118

第5章 機器人主機

5.1 X86與ARM主機對比 119

5.2 ARM主機樹莓派3B+ 120

5.2.1 安裝Ubuntu MATE 18.04 120

5.2.2 安裝ROS melodic 122

5.2.3 裝機軟件與系統設置 122

5.3 ARM主機RK3399 127

5.4 ARM主機Jetson-tx2 128

5.5 分布式架構主機 129

5.5.1 ROS網絡通信 130

5.5.2 機器人程序的遠程開發 130

5.6 本章小結 131

第6章 機器人底盤

6.1 底盤運動學模型 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 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 典型機器人底盤搭建 151

6.3.1 底盤運動學模型選擇 152

6.3.2 傳感器選擇 152

6.3.3 主機選擇 153

6.4 本章小結 155

SLAM篇

第7章 SLAM中的數學基礎

7.1 SLAM發展簡史 158

7.1.1 數據關聯、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 狀態估計問題 164

7.2.2 概率運動模型 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 182

7.3.2 估計量的構建 183

7.3.3 各估計量對比 190

7.4 基于貝葉斯網絡的狀態估計 193

7.4.1 貝葉斯估計 194

7.4.2 參數化實現 196

7.4.3 非參數化實現 202

7.5 基于因子圖的狀態估計 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 優化方法 208

7.5.4 各優化方法對比 218

7.5.5 常用優化工具 219

7.6 典型SLAM算法 221

7.7 本章小結 221

第8章 激光SLAM系統

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 安裝與運行 270

8.4 本章小結 270

第9章 視覺SLAM系統

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 341

第10章 其他SLAM系統

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 安裝與運行 376

10.3 機器學習與SLAM 379

10.3.1 機器學習 379

10.3.2 CNN-SLAM算法 411

10.3.3 DeepVO算法 413

10.4 本章小結 414

自主導航篇

第11章 自主導航中的數學基礎

11.1 自主導航 418

11.2 環境感知 420

11.2.1 實時定位 420

11.2.2 環境建模 421

11.2.3 語義理解 422

11.3 路徑規劃 422

11.3.1 常見的路徑規劃算法 423

11.3.2 帶約束的路徑規劃算法 430

11.3.3 覆蓋的路徑規劃算法 434

11.4 運動控制 435

11.4.1 基于PID的運動控制 437

11.4.2 基于MPC的運動控制 438

11.4.3 基于強化學習的運動控制 441

11.5 強化學習與自主導航 442

11.5.1 強化學習 443

11.5.2 基于強化學習的自主導航 465

11.6 本章小結 467

第12章 典型自主導航系統

12.1 ros-navigation導航系統 470

12.1.1 原理分析 470

12.1.2 源碼解讀 475

12.1.3 安裝與運行 479

12.1.4 路徑規劃改進 492

12.1.5 環境探索 496

12.2 riskrrt導航系統 498

12.3 autoware導航系統 499

12.4 導航系統面臨的一些挑戰 500

12.5 本章小結 500

第13章 機器人SLAM導航綜合實戰

13.1 運行機器人上的傳感器 502

13.1.1 運行底盤的ROS驅動 503

13.1.2 運行激光雷達的ROS驅動 503

13.1.3 運行IMU的ROS驅動 504

13.1.4 運行相機的ROS驅動 504

13.1.5 運行底盤的urdf模型 505

13.1.6 傳感器一鍵啟動 506

13.2 運行SLAM建圖功能 506

13.2.1 運行激光SLAM建圖功能 507

13.2.2 運行視覺SLAM建圖功能 508

13.2.3 運行激光與視覺聯合建圖功能 508

13.3 運行自主導航 509

13.4 基于自主導航的應用 510

13.5 本章小結 511

附錄A Linux與SLAM性能優化的探討

附錄B 習題