無人駕駛感知智能

目錄
第1章 緒論 1
1.1 無人駕駛國內外現狀 1
1.1.1 國內研究現狀 1
1.1.2 國外研究現狀 4
1.2 感知智能研究現狀 6
1.2.1 軟件層面 6
1.2.2 硬件層面 7
1.3 感知智能系統的組成 12
1.3.1 介紹 12
1.3.2 意義 12
1.3.3 感知對象 14
1.4 面臨的困難和挑戰 14
1.5 基於ROS的無人駕駛技術 16
第2章 ROS基礎 19
2.1 ROS的工程結構 19
2.1.1 工作空間（catkin workspace） 20
2.1.2 功能包（package） 20
2.1.3 文件類型 21
2.2 ROS通信原理 22
2.2.1 話題通信模型 23
2.2.2 服務通信模型 24
2.2.3 動作通信模型 24
2.2.4 ROS通信總結 25
2.3 實驗操作 25
2.3.1 實驗一 工作空間與功能包創建 25
2.3.2 實驗二 ROS通信原理實驗 28
第3章 ArtTable框架 37
3.1 ArtTable框架介紹 37
3.2 ArtTable框架使用 39
3.2.1 Simulation（模擬模擬）功能 39
3.2.2 LEDControl（LED狀態控制）功能 40
3.2.3 MoveControl（運動學控制）功能 42
3.2.4 Gmapping（地圖構建）功能 43
第4章 超聲波傳感器 46
4.1 超聲波傳感器分類 46
4.2 常用超聲波傳感器HC-SR04 47
4.2.1 參數特徵 47
4.2.2 工作原理 47
4.2.3 使用方法 48
4.3 超聲波傳感器ROS驅動 54
4.4 超聲波傳感器ROS通信數據分析 57
4.4.1 啟動超聲波傳感器ROS程序 57
4.4.2 查看超聲波傳感器ROS節點數據 57
第5章 編碼器傳感器 61
5.1 編碼器分類 61
5.1.1 增量型 61
5.1.2 絕對值型 63
5.1.3 混合型 63
5.2 常用編碼器E6B2-CWZ6C 64
5.2.1 參數特徵 64
5.2.2 工作原理 65
5.2.3 使用方法 66
5.3 編碼器ROS驅動 69
5.4 編碼器ROS通信數據分析 79
5.4.1 啟動編碼器ROS節點程序 79
5.4.2 查看傳感器節點數據 79
第6章 慣性傳感器 85
6.1 慣性傳感器分類 85
6.1.1 角速度陀螺儀 86
6.1.2 線加速度計 86
6.2 常用慣性傳感器9DoF Razor IMU 88
6.2.1 參數特徵 90
6.2.2 工作原理 91
6.2.3 使用方法 91
6.3 慣性傳感器ROS驅動 116
6.4 慣性傳感器ROS通信數據分析 117
6.4.1 rotopic查看ROS驅動發布話題 118
6.4.2 分析話題數據imu_data 119
第7章 視覺傳感器 121
7.1 視覺傳感器分類 121
7.2 常用視覺傳感器 122
7.2.1 參數特徵 122
7.2.2 工作原理 123
7.2.3 使用方法 123
7.3 視覺傳感器ROS通信驅動 134
第8章 雷達 144
8.1 雷達種類 144
8.1.1 激光雷達概述 144
8.1.2 激光雷達分類 147
8.2 常用激光雷達 152
8.2.1 參數特徵 152
8.2.2 工作原理 153
8.2.3 使用方法 154
8.3 激光雷達ROS通信驅動 158
8.4 激光雷達ROS通信數據分析 195
第9章 基於ROS的卡爾曼濾波 198
9.1 robot_pose_ekf簡介 198
9.2 如何使用擴展卡爾曼濾波器 198
9.2.1 配置 198
9.2.2 編譯並運行包 199
9.3 節點解析 199
9.4 擴展卡爾曼濾波器如何工作 200
第10章 基於ROS的狀態估計 202
10.1 robot_localization介紹 202
10.2 robot_localization特徵 203
10.3 robot_localization狀態估計節點 203
10.3.1 ekf_localization_node 203
10.3.2 ukf_localization_node 203
10.3.3 參數 203
10.4 準備數據 210
10.4.1 RO數據標準 210
10.4.2 坐標系和轉換傳感器數據 210
10.4.3 處理tf_prefix 211
10.4.4 每種傳感器消息類型的註意事項 211
10.4.5 常見錯誤 212
10.5 robot_localization配置 213
10.5.1 傳感器配置 213
10.5.2 以2D運行 213
10.5.3 融合不可測變量 214
10.5.4 微分和相對參數 215