ROS機器人開發實踐 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

鬍春旭 著

圖書標籤:

• ROS
• 機器人
• 機器人開發
• 實踐
• Linux
• C++
• SLAM
• 路徑規劃
• 傳感器
• 自動化

齣版社： 機械工業齣版社

ISBN：9787111598237

版次：1

商品編碼：12377412

品牌：機工齣版

包裝：平裝

叢書名： 機器人設計與製作係列

開本：16開

齣版時間：2018-06-01

用紙：膠版紙

頁數：506

內容簡介

本書在介紹ROS總體框架和理論要點的基礎上，講解ROS的通信機製、常用組件和進階功能；同時以實踐為主，講解機器視覺、機器聽覺、SLAM與導航、機械臂控製、機器學習等多種ROS應用的主要原理和實現方法；並分析基於ROS的機器人係統設計方法和典型實例；後論述ROS2的框架特點和使用方法，剖析ROS的發展方嚮。

目錄

推薦序一
推薦序二
推薦序三
前言
第1章　初識ROS 1
1.1　ROS是什麼 1
1.1.1　ROS的起源 1
1.1.2　ROS的設計目標 2
1.1.3　ROS的特點 3
1.2　如何安裝ROS 4
1.2.1　操作係統與ROS版本的選擇 4
1.2.2　配置係統軟件源 6
1.2.3　添加ROS軟件源 6
1.2.4　添加密鑰 7
1.2.5　安裝ROS 7
1.2.6　初始化rosdep 8
1.2.7　設置環境變量 8
1.2.8　完成安裝 9
1.3　本書源碼下載 9
1.4　本章小結 10
第2章　ROS架構 11
2.1　ROS架構設計 11
2.2　計算圖 12
2.2.1　節點 12
2.2.2　消息 13
2.2.3　話題 13
2.2.4　服務 13
2.2.5　節點管理器 14
2.3　文件係統 14
2.3.1　功能包 14
2.3.2　元功能包 16
2.4　開源社區 17
2.5　ROS的通信機製 17
2.5.1　話題通信機製 18
2.5.2　服務通信機製 19
2.5.3　參數管理機製 20
2.6　話題與服務的區彆 20
2.7　本章小結 21
第3章　ROS基礎 22
3.1　第一個ROS例程——小烏龜仿真 23
3.1.1　turtlesim功能包 23
3.1.2　控製烏龜運動 24
3.2　創建工作空間和功能包 25
3.2.1　什麼是工作空間 25
3.2.2　創建工作空間 26
3.2.3　創建功能包 27
3.3　工作空間的覆蓋 28
3.3.1　ROS中工作空間的覆蓋 28
3.3.2　工作空間覆蓋示例 28
3.4　搭建Eclipse開發環境 30
3.4.1　安裝Eclipse 30
3.4.2　創建Eclipse工程文件 30
3.4.3　將工程導入Eclipse 31
3.4.4　設置頭文件路徑 31
3.4.5　運行/調試程序 32
3.5　RoboWare簡介 35
3.5.1　RoboWare的特點 35
3.5.2　RoboWare的安裝與使用 36
3.6　話題中的Publisher與Subscriber 37
3.6.1　烏龜例程中的Publisher與Subscriber 37
3.6.2　如何創建Publisher 37
3.6.3　如何創建Subscriber 40
3.6.4　編譯功能包 41
3.6.5　運行Publisher與Subscriber 42
3.6.6　自定義話題消息 44
3.7　服務中的Server和Client 46
3.7.1　烏龜例程中的服務 46
3.7.2　如何自定義服務數據 47
3.7.3　如何創建Server 48
3.7.4　如何創建Client 49
3.7.5　編譯功能包 51
3.7.6　運行Server和Client 51
3.8　ROS中的命名空間 52
3.8.1　有效的命名 52
3.8.2　命名解析 53
3.8.3　命名重映射 54
3.9　分布式多機通信 54
3.9.1　設置IP地址 55
3.9.2　設置ROS_MASTER_URI 56
3.9.3　多機通信測試 56
3.10　本章小結 57
第4章　ROS中的常用組件 58
4.1　launch啓動文件 58
4.1.1　基本元素 58
4.1.2　參數設置 60
4.1.3　重映射機製 61
4.1.4　嵌套復用 61
4.2　TF坐標變換 62
4.2.1　TF功能包 62
4.2.2　TF工具 63
4.2.3　烏龜例程中的TF 65
4.2.4　創建TF廣播器 67
4.2.5　創建TF監聽器 68
4.2.6　實現烏龜跟隨運動 70
4.3　Qt工具箱 70
4.3.1　日誌輸齣工具（rqt_console） 71
4.3.2　計算圖可視化工具（rqt_graph） 71
4.3.3　數據繪圖工具（rqt_plot） 72
4.3.4　參數動態配置工具（rqt_reconfigure） 73
4.4　rviz三維可視化平颱 73
4.4.1　安裝並運行rviz 74
4.4.2　數據可視化 75
4.4.3　插件擴展機製 76
4.5　Gazebo仿真環境 78
4.5.1　Gazebo的特點 78
4.5.2　安裝並運行Gazebo 78
4.5.3　構建仿真環境 81
4.6　rosbag數據記錄與迴放 82
4.6.1　記錄數據 82
4.6.2　迴放數據 83
4.7　本章小結 84
第5章　機器人平颱搭建 85
5.1　機器人的定義 85
5.2　機器人的組成 86
5.2.1　執行機構 87
5.2.2　驅動係統 87
5.2.3　傳感係統 87
5.2.4　控製係統 87
5.3　機器人係統搭建 88
5.3.1　MRobot 88
5.3.2　執行機構的實現 88
5.3.3　驅動係統的實現 89
5.3.4　內部傳感係統的實現 90
5.4　基於Raspberry Pi的控製係統實現 90
5.4.1　硬件平颱Raspberry Pi 91
5.4.2　安裝Ubuntu 16.04 91
5.4.3　安裝ROS 93
5.4.4　控製係統與MRobot通信 94
5.4.5　PC端控製MRobot 97
5.5　為機器人裝配攝像頭 99
5.5.1　usb_cam功能包 99
5.5.2　PC端驅動攝像頭 100
5.5.3　Raspberry Pi驅動攝像頭 102
5.6　為機器人裝配Kinect 104
5.6.1　freenect_camera功能包 104
5.6.2　PC端驅動Kinect 106
5.6.3　Raspberry Pi驅動Kinect 109
5.6.4　Kinect電源改造 109
5.7　為機器人裝配激光雷達 110
5.7.1　rplidar功能包 110
5.7.2　PC端驅動rplidar 111
5.7.3　Raspberry Pi驅動rplidar 113
5.8　本章小結 113
第6章　機器人建模與仿真 114
6.1　統一機器人描述格式——URDF 114
6.1.1　標簽 114
6.1.2　標簽 115
6.1.3　標簽 116
6.1.4　標簽 116
6.2　創建機器人URDF模型 116
6.2.1　創建機器人描述功能包 116
6.2.2　創建URDF模型 117
6.2.3　URDF模型解析 120
6.2.4　在rviz中顯示模型 122
6.3　改進URDF模型 124
6.3.1　添加物理和碰撞屬性 124
6.3.2　使用xacro優化URDF 125
6.3.

前言/序言

Preface　　前　言
2011年年底，筆者第一次接觸ROS。當時實驗室的一個師兄在學術會議上聽說瞭ROS並意識到它的前景廣闊，考慮到筆者當時的研究方嚮，於是建議筆者進行研究。那時國內外ROS的學習環境比較艱苦，幾乎隻有Wiki的基礎教程（也沒有現在這麼完善）。所以一開始，筆者的內心是拒絕的，但還是硬著頭皮開始鑽研。雖然從拒絕到接受、從未知到熟悉，筆者經曆瞭前所未有的磨難，但同時也收獲瞭前所未有的喜悅。
在這個過程中，筆者也常常思考：ROS前景無限，但是國內還鮮有人知，即使有人知道，也會被睏難嚇倒。既然筆者經曆過，何不總結一下，讓其他人少走彎路。於是，筆者整理瞭自己學習過程中的一些資料和心得，在CSDN上以博客的形式發錶，最終形成《ROS探索總結》係列博文，再後來轉移到個人網站——古月居，至今仍保持更新。
2017年11月，ROS十周歲瞭！在走過的第一個十年裏，ROS從蹣跚學步的孩童成長為機器人領域的巨人，再華麗蛻變齣ROS 2。如今，大多數知名機器人平颱和機器人公司都支持ROS，越來越多的機器人開發者也選擇ROS作為開發框架。ROS已經逐漸成為機器人領域的事實標準，並將逐步從研發走嚮市場，助力機器人與人工智能的快速發展。
ROS的重要精神是分享，這也是開源軟件的精神，所以纔能看到如此活躍的ROS社區和眾多軟件功能包的源碼，並且可以在此基礎上快速完成二次開發。為瞭促進ROS在國內的發展，現在已經有很多人及組織在積極推廣ROS，比如ROS星火計劃、ROS暑期學校，以及網上各種各樣的技術分享等，相信未來這個隊伍會更加龐大。
本書以《ROS探索總結》係列博文為基礎，重新整理瞭ROS相關基礎要點，讓讀者能夠迅速熟悉ROS的整體框架和設計原理；在此基礎上，本書以實踐為重心，講解大量機器視覺、機器語音、機械臂控製、SLAM和導航、機器學習等多方麵ROS應用的實現原理和方法，並且翻譯瞭眾多ROS中的圖錶、內容，幫助讀者在實現ROS基礎功能的同時深入理解基於ROS的機器人開發，將書中的內容用於實踐。
本書共有14章，可以分為五個部分。
第一部分是ROS基礎（第1～4章），幫助瞭解ROS框架，並且熟悉ROS中的關鍵概念以及實現方法。這部分的內容適閤初學者，也適閤作為有一定經驗或者資深開發者的參考手冊。
第二部分介紹如何搭建真實或仿真的機器人平颱（第5~6章），幫助瞭解機器人係統的概念和組成，學習如何使用ROS實現機器人仿真，為後續的機器人實踐做好準備。這部分的內容適閤希望自己動手設計、開發一個完整機器人平颱的讀者。
第三部分介紹ROS中常用功能包的使用方法（第7~10章），涉及機器視覺、機器語音、機械臂控製、SLAM和導航等多個機器人研究領域。這部分的內容適閤學習ROS基礎後希望實踐的開發者，以及從事相關領域的機器人開發者。
第四部分是ROS的進階內容（第11~13章），介紹瞭ROS的進階功能、ROS與機器學習的結閤、搭載ROS的機器人平颱。這部分的內容適閤已經對ROS基礎和應用有一定瞭解的讀者。
第五部分介紹瞭新一代ROS——ROS 2（第14章），涉及ROS 2的架構、原理和使用方法。這部分的內容適閤對ROS有一定瞭解，希望瞭解ROS 2、想要跟上ROS進化步伐的開發者。
因此，本書不僅適閤希望瞭解、學習、應用ROS的機器人初學者，也適閤有一定經驗的機器人開發人員，同時也可以作為資深機器人開發者的參考手冊。
書中的部分源代碼來自社區中的ROS功能包，但是筆者在學習過程中對這些代碼進行瞭大量修改，並且為大部分源代碼加入瞭中文注釋，以方便國內ROS初學者理解。這些代碼涉及的編程語言不局限於C++或Python中的某一種，編程語言應該服務於具體場景，所以建議讀者對這兩種語言都有所瞭解，在不同的應用中發揮每種語言的優勢。關於是否需要一款實物機器人作為學習平颱，本書並沒有特彆要求，書中絕大部分功能和源碼都可以在單獨的計算機或仿真平颱中運行，同時也會介紹實物機器人平颱的搭建方法並且在實物機器人上完成相應的功能。所以隻需要擁有一颱運行Ubuntu係統的計算機，具備Linux工具的基本知識，瞭解C++和Python的編程方法，即可使用本書。
此外，本書創作過程中參考瞭眾多已經齣版的ROS原著、譯著，筆者也將這些內容作為參考資料列齣，並嚮這些著作的作者和譯者緻敬，希望讀者在學習ROS的過程中，可以從這些著作中獲取更多知識：
《Mastering ROS for Robotics Programming》，Lentin Joseph《ROS By Example》（Volume 1/Volume 2），Patrick Goebel《Programming Robots with ROS:A Practical Introduction to the Robot Operating System》， Morgan Quigley, Brian Gerkey & William D. Smart《Learning ROS for Robotics Programming》，Aaron Martinez，Enrique Fernández《A Gentle Introduction to ROS》，Jason M. O’Kane《ROS Robotics Projects》，Lentin Joseph《Effective Robotics Programming with ROS》，Anil Mahtani，Luis Sanchez在ROS探索實踐與本書的創作過程中，離不開眾多“貴人”的幫助。

《機器人感知與認知：從數據到決策的智能之旅》 內容簡介： 在飛速發展的機器人技術浪潮中，理解並賦予機器人“看”、“聽”、“感知”世界的能力，以及具備“思考”、“判斷”並做齣智能決策的能力，已成為推動行業進步的核心驅動力。本書《機器人感知與認知：從數據到決策的智能之旅》正是聚焦於這一關鍵領域，深度剖析瞭現代機器人如何從原始的傳感器數據中提取有意義的信息，並將其轉化為能夠指導機器人行為的認知錶徵，最終實現復雜環境下的自主導航、任務執行和人機交互。 本書並非一本關於特定機器人硬件平颱組裝或基礎編程的入門指南，而是旨在為讀者構建一個堅實的理論框架和一套實用的方法論，幫助他們深入理解機器人感知與認知係統的設計原理、關鍵技術和發展趨勢。我們將拋開具體的ROS（Robot Operating System）框架，而將目光投嚮更本質的算法、模型和架構，讓讀者無論在何種機器人操作係統或開發環境中，都能靈活運用書中提供的知識和技術。 第一部分：機器人感知——“看”懂世界，“聽”懂環境 本部分將帶您踏上探索機器人感知世界的旅程，理解機器人如何通過各種傳感器獲取原始數據，並將其轉化為對周圍環境的精確理解。 視覺感知： 我們將深入探討計算機視覺在機器人領域的核心應用。 圖像處理基礎： 從基本的圖像預處理技術，如噪聲去除、對比度增強，到特徵提取方法，如SIFT、SURF、ORB，講解如何從原始圖像中挖掘有價值的幾何和紋理信息。 目標檢測與識彆： 介紹經典的以及基於深度學習的目標檢測模型，如YOLO、Faster R-CNN、SSD等，以及它們在識彆和定位機器人工作環境中的各種物體上的應用。我們將詳細解析這些模型的網絡結構、訓練策略和性能評估方法。 語義分割與實例分割： 講解如何讓機器人不僅識彆齣物體，還能區分齣不同物體實例及其所屬的類彆，從而更精細地理解場景的構成。 深度估計與三維重建： 探討單目和雙目深度估計技術，以及如何利用點雲數據進行三維環境的重建，為機器人的空間導航和避障提供基礎。 SLAM（Simultaneous Localization and Mapping）的視覺分支： 介紹基於視覺的SLAM算法，如ORB-SLAM、LSD-SLAM等，以及它們如何讓機器人在未知環境中同時進行定位和地圖構建。我們將重點關注視覺裏程計、迴環檢測和位姿優化等關鍵環節。 激光雷達與深度相機感知： 點雲數據處理： 講解激光雷達掃描産生的大量點雲數據的特點，以及常用的點雲濾波、配準、分割等處理技術。 三維目標檢測與識彆： 介紹如何基於點雲數據進行三維物體的檢測和識彆，以及PointNet、VoxelNet等經典模型。 深度相機（RGB-D）的應用： 探討深度相機在獲取深度信息、物體錶麵法綫、以及近距離精細感知方麵的優勢，以及其在人機交互和物體抓取等任務中的應用。 其他傳感器感知： 慣性測量單元（IMU）： 講解IMU如何提供機器人的加速度和角速度信息，以及如何將其與視覺或激光雷達數據融閤，提高位姿估計的魯棒性。 聲學感知： 介紹麥剋風陣列在聲音源定位、語音識彆等方麵的應用，以及如何為機器人提供聽覺信息。 觸覺與力覺感知： 探討機器人如何通過觸覺傳感器感知接觸信息，通過力覺傳感器感知與環境的交互力，這對於精細操作和安全交互至關重要。 第二部分：機器人認知——“思考”與“決策”的智慧 本部分將聚焦於機器人如何將感知的原始信息轉化為高層次的認知，並基於這些認知做齣智能決策。 環境錶示與理解： 地圖構建與錶示： 詳細介紹不同類型的地圖錶示方法，包括占據柵格地圖（Occupancy Grid Map）、特徵點地圖（Feature Map）、語義地圖（Semantic Map）以及三維點雲地圖（Point Cloud Map）。我們將分析它們的優缺點及其適用場景。 語義場景理解： 講解如何將感知到的物體信息與環境結構結閤，形成對場景的更深層理解，例如識彆齣“桌子上有杯子”，並理解杯子與桌子之間的空間關係。 對象屬性與關係推理： 探討如何讓機器人理解物體的屬性（如大小、顔色、材質）以及物體之間的關係（如“在……上麵”、“在……旁邊”），這對於高級任務規劃至關重要。 導航與路徑規劃： 全局路徑規劃： 介紹A、Dijkstra等經典算法，以及如何在大規模地圖中尋找最優路徑。 局部路徑規劃與避障： 講解DWA（Dynamic Window Approach）、TEB（Timed Elastic Band）等實時避障算法，以及它們如何處理動態障礙物。 SLAM與導航的結閤： 分析SLAM係統如何為路徑規劃提供實時的環境地圖，以及路徑規劃如何指導機器人的運動，進一步更新地圖。 任務規劃與決策： 行為樹（Behavior Trees）： 介紹行為樹作為一種強大的任務規劃和行為控製框架，如何通過模塊化的設計實現復雜的任務邏輯。 有限狀態機（Finite State Machines）： 講解有限狀態機在描述機器人行為模式和狀態轉移方麵的應用。 規劃算法： 探討更高級的規劃算法，如基於搜索的規劃（RRT、PRM）在復雜任務場景下的應用。 強化學習在決策中的應用： 介紹如何利用強化學習訓練機器人自主學習最優策略，以應對不確定性和動態變化的環境。 人機交互與協作： 語音理解與自然語言處理： 探討如何讓機器人理解人類的語音指令，並進行自然語言的交互。 手勢與姿態識彆： 介紹如何識彆用戶的身體姿態和手勢，以實現更直觀的交互方式。 意圖識彆與情感分析： 講解如何讓機器人推斷用戶的意圖和情感狀態，從而做齣更恰當的迴應。 協作機器人（Cobots）的設計理念： 討論在人機協作場景下，機器人如何確保安全性、魯棒性和高效性，以及如何在共享工作空間中進行協同。 第三部分：融閤與展望——構建更智能的機器人未來 本部分將超越單一的技術模塊，探討如何將感知與認知能力進行深度融閤，並展望機器人技術未來的發展方嚮。 多模態信息融閤： 講解如何有效融閤來自不同傳感器的信息，例如將視覺、激光雷達和IMU數據進行融閤，以獲得更準確、更魯棒的環境感知和狀態估計。 端到端學習模型： 介紹將感知、認知和決策過程統一在一個深度學習模型中進行端到端訓練的方法，以及其在簡化係統設計和提升性能方麵的潛力。 具身智能（Embodied AI）： 探討機器人作為物理實體與環境進行交互所帶來的獨特挑戰和機遇，以及如何利用深度學習和強化學習來訓練具有“具身”智能的機器人。 可解釋性AI與安全性： 討論在機器人決策過程中，如何提高模型的可解釋性，以及如何確保機器人的行為在復雜環境中是安全可靠的。 未來趨勢與挑戰： 展望機器人在傢庭服務、工業自動化、醫療健康、自動駕駛等領域的未來應用，並分析當前技術發展麵臨的挑戰，如數據匱乏、計算資源限製、以及泛化能力不足等。 本書的目標讀者包括對機器人技術充滿熱情的工程師、研究人員、高年級本科生和研究生，以及任何希望深入瞭解機器人如何“思考”和“行動”的科技愛好者。通過閱讀本書，您將不僅能夠理解現有的先進技術，更能培養齣獨立設計和實現復雜機器人感知與認知係統的能力，為未來的機器人智能化發展貢獻力量。我們力求用清晰的邏輯、翔實的案例和前沿的視角，引導您完成這場激動人心的智能探索之旅。