目录
第1章 绪论1
1.1 无人驾驶国内外现状1
1.1.1 国内研究现状1
1.1.2 国外研究现状4
1.2 感知智能研究现状6
1.2.1 软件层面6
1.2.2 硬件层面7
1.3 感知智能系统的组成12
1.3.1 介绍12
1.3.2 意义12
1.3.3 感知对象14
1.4 面临的困难和挑战14
1.5 基于ROS的无人驾驶技术16
第2章 ROS基础19
2.1 ROS的工程结构19
2.1.1 工作空间(catkin workspace)20
2.1.2 功能包(package)20
2.1.3 文件类型21
2.2 ROS通信原理22
2.2.1 话题通信模型23
2.2.2 服务通信模型24
2.2.3 动作通信模型24
2.2.4 ROS通信总结25
2.3 实验操作25
2.3.1 实验一 工作空间与功能包创建25
2.3.2 实验二 ROS通信原理实验28
第3章 ArtTable框架37
3.1 ArtTable框架介绍37
3.2 ArtTable框架使用39
3.2.1 Simulation(仿真模拟)功能39
3.2.2 LEDControl(LED状态控制)功能40
3.2.3 MoveControl(运动学控制)功能42
3.2.4 Gmapping(地图构建)功能43
第4章 超声波传感器46
4.1 超声波传感器分类46
4.2 常用超声波传感器HC-SR0447
4.2.1 参数特征47
4.2.2 工作原理47
4.2.3 使用方法48
4.3 超声波传感器ROS驱动54
4.4 超声波传感器ROS通信数据分析57
4.4.1 启动超声波传感器ROS程序57
4.4.2 查看超声波传感器ROS节点数据57
第5章 编码器传感器61
5.1 编码器分类61
5.1.1 增量型61
5.1.2 值型63
5.1.3 混合型63
5.2 常用编码器E6B2-CWZ6C64
5.2.1 参数特征64
5.2.2 工作原理65
5.2.3 使用方法66
5.3 编码器ROS驱动69
5.4 编码器ROS通信数据分析79
5.4.1 启动编码器ROS节点程序79
5.4.2 查看传感器节点数据79
第6章 惯性传感器85
6.1 惯性传感器分类85
6.1.1 角速度陀螺仪86
6.1.2 线加速度计86
6.2 常用惯性传感器9DoF Razor IMU88
6.2.1 参数特征90
6.2.2 工作原理91
6.2.3 使用方法91
6.3 惯性传感器ROS驱动116
6.4 惯性传感器ROS通信数据分析117
6.4.1 rotopic查看ROS驱动发布话题118
6.4.2 分析话题数据imu_data119
第7章 视觉传感器121
7.1 视觉传感器分类121
7.2 常用视觉传感器122
7.2.1 参数特征122
7.2.2 工作原理123
7.2.3 使用方法123
7.3 视觉传感器ROS通信驱动134
第8章 雷达144
8.1 雷达种类144
8.1.1 激光雷达概述144
8.1.2 激光雷达分类147
8.2 常用激光雷达152
8.2.1 参数特征152
8.2.2 工作原理153
8.2.3 使用方法154
8.3 激光雷达ROS通信驱动158
8.4 激光雷达ROS通信数据分析195
第9章 基于ROS的卡尔曼滤波198
9.1 robot_pose_ekf简介198
9.2 如何使用扩展卡尔曼滤波器198
9.2.1 配置198
9.2.2 编译并运行包199
9.3 节点解析199
9.4 扩展卡尔曼滤波器如何工作200
第10章 基于ROS的状态估计202
10.1 robot_localization介绍202
10.2 robot_localization特征203
10.3 robot_localization状态估计节点203
10.3.1 ekf_localization_node203
10.3.2 ukf_localization_node203
10.3.3 参数203
10.4 准备数据210
10.4.1 RO数据标准210
10.4.2 坐标系和转换传感器数据210
10.4.3 处理tf_prefix211
10.4.4 每种传感器消息类型的注意事项211
10.4.5 常见错误212
10.5 robot_localization配置213
10.5.1 传感器配置213
10.5.2 以2D运行213
10.5.3 融合不可测变量214
10.5.4 微分和相对参数215
^ 收 起