舉報 
會員
目錄(278章)
倒序
- 封面
- 譯者序
- 前言
- 作者簡介
- 第1章 ROS入門
- 1.1 技術要求
- 1.2 ROS概述
- 1.2.1 ROS發行版
- 1.2.2 支持的操作系統
- 1.2.3 支持的機器人及傳感器
- 1.2.4 為什么選擇ROS
- 1.3 ROS基礎
- 1.3.1 文件系統層級
- 1.3.2 計算圖層級
- 1.3.3 ROS社區層級
- 1.3.4 ROS中的通信
- 1.4 ROS客戶端庫
- 1.5 ROS工具
- 1.5.1 ROS的可視化工具RViz
- 1.5.2 rqt_plot
- 1.5.3 rqt_graph
- 1.6 ROS模擬器
- 1.7 在Ubuntu 18.04 LTS上安裝ROS Melodic
- 1.8 在VirtualBox上設置ROS
- 1.9 Docker簡介
- 1.9.1 為什么選擇Docker
- 1.9.2 安裝Docker
- 1.10 設置ROS工作空間
- 1.11 ROS在工業界和學術界的機遇
- 1.12 本章小結
- 第2章 ROS-2及其特性簡介
- 2.1 技術要求
- 2.2 ROS-2概述
- 2.2.1 ROS-2發行版
- 2.2.2 支持的操作系統
- 2.2.3 支持的機器人及傳感器
- 2.2.4 為什么選擇ROS-2
- 2.3 ROS-2基礎
- 2.3.1 什么是DDS
- 2.3.2 DDS的實現
- 2.3.3 計算圖
- 2.3.4 ROS-2社區層級
- 2.3.5 ROS-2中的通信
- 2.3.6 ROS-2的變化
- 2.4 ROS-2客戶端庫
- 2.5 ROS-2工具
- 2.5.1 RViz2
- 2.5.2 Rqt
- 2.6 安裝ROS-2
- 2.6.1 開始安裝
- 2.6.2 獲取ROS-2源碼
- 2.6.3 ROS-1、ROS-2以及共存環境設置
- 2.6.4 運行測試節點
- 2.7 設置ROS-2工作空間
- 2.8 編寫ROS-2節點
- 2.8.1 ROS-1代碼示例
- 2.8.2 ROS-2代碼示例
- 2.8.3 ROS-1發布者節點與ROS-2發布者節點的區別
- 2.9 ROS-1和ROS-2的通信
- 2.10 本章小結
- 第3章 構建工業級移動機械臂
- 3.1 技術要求
- 3.2 常見的移動機械臂
- 3.3 移動機械臂應用場景
- 3.4 移動機械臂構建入門
- 3.4.1 單位及坐標系
- 3.4.2 Gazebo及ROS機器人模型格式設定
- 3.5 機器人底座構建
- 3.5.1 機器人底座需求
- 3.5.2 軟件參數
- 3.5.3 機器人底座建模
- 3.5.4 機器人底座模擬
- 3.5.5 機器人底座測試
- 3.6 機械臂構建
- 3.6.1 機械臂需求
- 3.6.2 軟件參數
- 3.6.3 機械臂建模
- 3.6.4 機械臂模擬
- 3.6.5 機械臂測試
- 3.7 系統集成
- 3.7.1 移動機械臂建模
- 3.7.2 移動機械臂模擬與測試
- 3.8 本章小結
- 第4章 基于狀態機的復雜機器人任務處理
- 4.1 技術要求
- 4.2 ROS動作機制簡介
- 4.2.1 服務器–客戶端結構概述
- 4.2.2 actionlib示例：機械臂客戶端
- 4.2.3 基于actionlib的服務器–客戶端示例：電池模擬器
- 4.3 服務員機器人應用示例
- 4.4 狀態機簡介
- 4.5 SMACH簡介
- 4.6 SMACH入門
- 4.6.1 SMACH-ROS的安裝與使用
- 4.6.2 簡單示例
- 4.6.3 餐廳機器人應用示例
- 4.7 本章小結
- 第5章 構建工業級應用程序
- 5.1 技術要求
- 5.2 應用案例：機器人送貨上門
- 5.3 機器人底座智能化
- 5.3.1 添加激光掃描傳感器
- 5.3.2 配置導航棧
- 5.3.3 環境地圖構建
- 5.3.4 機器人底座定位
- 5.4 機械臂智能化
- 5.4.1 Moveit簡介
- 5.4.2 安裝與配置Moveit
- 5.4.3 通過Moveit控制機械臂
- 5.5 應用程序模擬
- 5.5.1 環境地圖構建與保存
- 5.5.2 選擇目標點
- 5.5.3 添加目標點
- 5.5.4 狀態機構建
- 5.6 機器人改進
- 5.7 本章小結
- 第6章 多機器人協同
- 6.1 技術要求
- 6.2 集群機器人基本概念
- 6.3 集群機器人分類
- 6.4 ROS中的多機器人通信
- 6.4.1 單個roscore和公共網絡
- 6.4.2 群組/名稱空間的使用
- 6.4.3 基于群組/名稱空間的多機器人系統構建示例
- 6.5 多master概念簡介
- 6.5.1 multimaster_fkie功能包簡介
- 6.5.2 安裝multimaster_fkie功能包
- 6.5.3 設置multimaster_fkie功能包
- 6.6 多機器人應用示例
- 6.7 本章小結
- 第7章 嵌入式平臺上的ROS應用及其控制
- 7.1 技術要求
- 7.2 嵌入式板基礎知識
- 7.2.1 重要概念介紹
- 7.2.2 機器人領域微控制器和微處理器的區別
- 7.2.3 板卡選型步驟
- 7.3 微控制器板簡介
- 7.3.1 Arduino Mega
- 7.3.2 STM32
- 7.3.3 ESP8266
- 7.3.4 ROS支持的嵌入式板
- 7.3.5 對比表格
- 7.4 單板計算機簡介
- 7.4.1 CPU板
- 7.4.2 GPU板
- 7.5 Debian與Ubuntu
- 7.6 在Tinkerboard S平臺上設置操作系統
- 7.6.1 基礎需求
- 7.6.2 安裝Tinkerboard Debian操作系統
- 7.6.3 安裝Armbian和ROS
- 7.6.4 使用可用的ROS鏡像安裝
- 7.7 在BeagleBone Black平臺上設置ROS
- 7.7.1 基礎需求
- 7.7.2 安裝Debian操作系統
- 7.7.3 安裝Ubuntu和ROS
- 7.8 在Raspberry Pi 3/4平臺上設置ROS
- 7.8.1 基礎需求
- 7.8.2 安裝Raspbian和ROS
- 7.8.3 安裝Ubuntu和ROS
- 7.9 在Jetson Nano平臺上設置ROS
- 7.10 通過ROS控制GPIO
- 7.10.1 Tinkerboard S
- 7.10.2 BeagleBone Black
- 7.10.3 Raspberry Pi 3/4
- 7.10.4 Jetson Nano
- 7.11 嵌入式板基準測試
- 7.12 Alexa入門及連接ROS
- 7.12.1 Alexa技能構建前提條件
- 7.12.2 創建Alexa技能
- 7.13 本章小結
- 第8章 強化學習與機器人學
- 8.1 技術要求
- 8.2 機器學習概述
- 8.2.1 監督學習
- 8.2.2 無監督學習
- 8.2.3 強化學習
- 8.3 理解強化學習
- 8.3.1 探索與開發
- 8.3.2 強化學習公式
- 8.3.3 強化學習平臺
- 8.3.4 機器人領域的強化學習應用
- 8.4 馬爾可夫決策過程與貝爾曼方程
- 8.5 強化學習算法
- 8.5.1 出租車問題應用示例
- 8.5.2 TD預測
- 8.5.3 TD控制
- 8.6 ROS中的強化學習功能包
- 8.6.1 gym-gazebo
- 8.6.2 gym-gazebo2
- 8.7 本章小結
- 第9章 ROS下基于TensorFlow的深度學習
- 9.1 技術要求
- 9.2 深度學習及其應用簡介
- 9.3 機器人領域的深度學習
- 9.4 深度學習庫
- 9.5 TensorFlow入門
- 9.5.1 在Ubuntu 18.04 LTS上安裝TensorFlow
- 9.5.2 TensorFlow概念
- 9.5.3 在TensorFlow下編寫第一行代碼
- 9.6 ROS下基于TensorFlow的圖像識別
- 9.6.1 基礎需求
- 9.6.2 ROS圖像識別節點
- 9.7 scikit-learn簡介
- 9.8 SVM及其在機器人領域的應用簡介
- 9.9 本章小結
- 第10章 ROS下的自動駕駛汽車構建
- 10.1 技術要求
- 10.2 自動駕駛汽車入門
- 10.3 典型自動駕駛汽車基本組件
- 10.3.1 GPS、IMU和車輪編碼器
- 10.3.2 攝像頭
- 10.3.3 超聲波傳感器
- 10.3.4 LIDAR與RADAR
- 10.3.5 自動駕駛汽車的軟件模塊體系結構
- 10.4 ROS下的自動駕駛汽車模擬與交互
- 10.4.1 Velodyne LIDAR模擬
- 10.4.2 ROS下的Velodyne傳感器接口
- 10.4.3 激光掃描儀模擬
- 10.4.4 模擬代碼擴展
- 10.4.5 ROS下的激光掃描儀接口
- 10.4.6 Gazebo下的立體與單目攝像頭模擬
- 10.4.7 ROS下的攝像頭接口
- 10.4.8 Gazebo下的GPS模擬
- 10.4.9 ROS下的GPS接口
- 10.4.10 Gazebo下的IMU模擬
- 10.4.11 ROS下的IMU接口
- 10.4.12 Gazebo下的超聲波傳感器模擬
- 10.4.13 低成本LIDAR傳感器
- 10.5 Gazebo下帶傳感器的自動駕駛汽車模擬
- 10.6 ROS下的DBW汽車接口
- 10.6.1 功能包安裝
- 10.6.2 自動駕駛汽車及傳感器數據可視化
- 10.6.3 基于ROS與DBW通信
- 10.7 Udacity開源自動駕駛汽車項目簡介
- 10.7.1 Udacity的開源自動駕駛汽車模擬器
- 10.7.2 MATLAB ADAS工具箱
- 10.8 本章小結
- 第11章 基于VR頭盔和Leap Motion的機器人遙操作
- 11.1 技術要求
- 11.2 VR頭盔和Leap Motion傳感器入門
- 11.3 項目設計和實施
- 11.4 在Ubuntu 14.04.5上安裝Leap Motion SDK
- 11.4.1 可視化Leap Motion控制器數據
- 11.4.2 使用Leap Motion可視化工具
- 11.4.3 安裝用于Leap Motion控制器的ROS驅動程序
- 11.5 RViz中Leap Motion數據的可視化
- 11.6 使用Leap Motion控制器創建遙操作節點
- 11.7 構建ROS-VR Android應用程序
- 11.8 ROS-VR應用程序的使用及與Gazebo的交互
- 11.9 VR下的TurtleBot模擬
- 11.9.1 安裝TurtleBot模擬器
- 11.9.2 在VR中控制TurtleBot
- 11.10 ROS-VR應用程序故障排除
- 11.11 ROS-VR應用與Leap Motion遙操作功能集成
- 11.12 本章小結
- 第12章 基于ROS、Open CV和Dynamixel伺服系統的人臉識別與跟蹤
- 12.1 技術要求
- 12.2 項目概述
- 12.3 硬件和軟件基礎需求
- 12.4 使用RoboPlus配置Dynamixel伺服系統
- 12.5 Dynamixel與ROS連接
- 12.6 創建人臉跟蹤器ROS功能包
- 12.7 使用人臉跟蹤ROS功能包
- 12.7.1 理解人臉跟蹤器代碼
- 12.7.2 理解CMakeLists.txt
- 12.7.3 track.yaml文件
- 12.7.4 啟動文件
- 12.7.5 運行人臉跟蹤器節點
- 12.7.6 face_tracker_control功能包
- 12.7.7 平移控制器配置文件
- 12.7.8 伺服系統參數配置文件
- 12.7.9 人臉跟蹤控制器節點
- 12.7.10 創建CMakeLists.txt
- 12.7.11 測試人臉跟蹤器控制功能包
- 12.7.12 節點集成
- 12.7.13 固定支架并設置電路
- 12.7.14 最終運行
- 12.8 本章小結 更新時間：2021-01-26 17:18:43
推薦閱讀
- 基于機器學習的行為識別技術研究
- 不會被機器替代的人：智能時代的生存策略
- 小創客學AI
- 機器學習實戰：基于Scikit-Learn、Keras和TensorFlow（原書第3版）
- 科學儀器設備配置學：人工智能時代的界面管理
- AI自媒體寫作超簡單
- Joy RL：強化學習實踐教程
- 塊數據4.0：人工智能時代的激活數據學
- 向AI提問的藝術：提示工程入門與應用
- 從機器學習到深度學習：基于scikit-learn與TensorFlow的高效開發實戰
- 區塊鏈 人工智能 數字貨幣：黑科技讓生活更美好？
- 圖靈的大教堂：數字宇宙開啟智能時代
- 深度學習
- 信息流推薦算法
- AI效率手冊：從ChatGPT開啟高效能
- 智能語音處理
- 駕馭ChatGPT：學會使用提示詞
- 機器意識：人工智能如何為機器人裝上大腦
- AI改變設計 : 人工智能時代的設計師生存手冊
- MasterCAM造型與仿真加工項目范例
- 腦機革命
- 法律人AI指南：大模型10倍提升工作效率的方法與技巧
- TensorFlow機器學習項目實戰
- 為人文賦理（通用人工智能的中國藍圖系列）
- 云上的中國3：劇變中的AI時代
- 智能原理
- Swift人工智能實戰：從基礎理論到AI驅動的應用程序開發
- 如何教人工智能說人話？
- 自然語言處理應用與實戰
- 機器學習入門：數學原理解析及算法實踐
