无人驾驶感知智能

10.5.3 融合不可测变量

10.5.2 以2D运行

10.5.1 传感器配置

10.5 robot_localization配置

10.4.5 常见错误

10.4.4 每种传感器消息类型的注意事项

10.4.3 处理tf_prefix

10.4.2 坐标系和转换传感器数据

10.4.1 RO数据标准

10.4 准备数据

10.3.3 参数

10.3.2 ukf_localization_node

10.3.1 ekf_localization_node

10.3 robot_localization状态估计节点

10.2 robot_localization特征

10.1 robot_localization介绍

第10章 基于ROS的状态估计

9.4 扩展卡尔曼滤波器如何工作

9.3 节点解析

9.2.2 编译并运行包

9.2.1 配置

9.2 如何使用扩展卡尔曼滤波器

9.1 robot_pose_ekf简介

第9章 基于ROS的卡尔曼滤波

8.4 激光雷达ROS通信数据分析

8.3 激光雷达ROS通信驱动

8.2.3 使用方法

8.2.2 工作原理

8.2.1 参数特征

8.2 常用激光雷达

8.1.2 激光雷达分类

8.1.1 激光雷达概述

8.1 雷达种类

第8章 雷达

7.3 视觉传感器ROS通信驱动

7.2.3 使用方法

7.2.2 工作原理

7.2.1 参数特征

7.2 常用视觉传感器

7.1 视觉传感器分类

第7章 视觉传感器

6.4.2 分析话题数据imu_data

6.4.1 rotopic查看ROS驱动发布话题

6.4 惯性传感器ROS通信数据分析

6.3 惯性传感器ROS驱动

6.2.3 使用方法

6.2.2 工作原理

6.2.1 参数特征

6.2 常用惯性传感器9DoF Razor IMU

6.1.2 线加速度计

6.1.1 角速度陀螺仪

6.1 惯性传感器分类

第6章 惯性传感器

5.4.2 查看传感器节点数据

5.4.1 启动编码器ROS节点程序

5.4 编码器ROS通信数据分析

5.3 编码器ROS驱动

5.2.3 使用方法

5.2.2 工作原理

5.2.1 参数特征

5.2 常用编码器E6B2-CWZ6C

5.1.3 混合型

5.1.2 绝对值型

5.1.1 增量型

5.1 编码器分类

第5章 编码器传感器

4.4.2 查看超声波传感器ROS节点数据

4.4.1 启动超声波传感器ROS程序

4.4 超声波传感器ROS通信数据分析

4.3 超声波传感器ROS驱动

4.2.3 使用方法

4.2.2 工作原理

4.2.1 参数特征

4.2 常用超声波传感器HC-SR04

4.1 超声波传感器分类

第4章 超声波传感器

3.2.4 Gmapping（地图构建）功能

3.2.3 MoveControl（运动学控制）功能

3.2.2 LEDControl（LED状态控制）功能

3.2.1 Simulation（仿真模拟）功能

3.2 ArtTable框架使用

3.1 ArtTable框架介绍

第3章 ArtTable框架

2.3.2 实验二 ROS通信原理实验

2.3.1 实验一 工作空间与功能包创建

2.3 实验操作

2.2.4 ROS通信总结

2.2.3 动作通信模型

2.2.2 服务通信模型

2.2.1 话题通信模型

2.2 ROS通信原理

2.1.3 文件类型

2.1.2 功能包（package）

2.1.1 工作空间（catkin workspace）

2.1 ROS的工程结构

第2章 ROS基础

1.5 基于ROS的无人驾驶技术

1.4 面临的困难和挑战

1.3.3 感知对象

1.3.2 意义

1.3.1 介绍

1.3 感知智能系统的组成

1.2.2 硬件层面

1.2.1 软件层面

1.2 感知智能研究现状

1.1.2 国外研究现状

1.1.1 国内研究现状

1.1 无人驾驶国内外现状

第1章 绪论

前言

序

内容简介

版权信息

封面

封面

版权信息

内容简介

序

前言

第1章 绪论

1.1 无人驾驶国内外现状

1.1.1 国内研究现状

1.1.2 国外研究现状

1.2 感知智能研究现状

1.2.1 软件层面

1.2.2 硬件层面

1.3 感知智能系统的组成

1.3.1 介绍

1.3.2 意义

1.3.3 感知对象

1.4 面临的困难和挑战

1.5 基于ROS的无人驾驶技术

第2章 ROS基础

2.1 ROS的工程结构

2.1.1 工作空间（catkin workspace）

2.1.2 功能包（package）

2.1.3 文件类型

2.2 ROS通信原理

2.2.1 话题通信模型

2.2.2 服务通信模型

2.2.3 动作通信模型

2.2.4 ROS通信总结

2.3 实验操作

2.3.1 实验一 工作空间与功能包创建

2.3.2 实验二 ROS通信原理实验

第3章 ArtTable框架

3.1 ArtTable框架介绍

3.2 ArtTable框架使用

3.2.1 Simulation（仿真模拟）功能

3.2.2 LEDControl（LED状态控制）功能

3.2.3 MoveControl（运动学控制）功能

3.2.4 Gmapping（地图构建）功能

第4章 超声波传感器

4.1 超声波传感器分类

4.2 常用超声波传感器HC-SR04

4.2.1 参数特征

4.2.2 工作原理

4.2.3 使用方法

4.3 超声波传感器ROS驱动

4.4 超声波传感器ROS通信数据分析

4.4.1 启动超声波传感器ROS程序

4.4.2 查看超声波传感器ROS节点数据

第5章 编码器传感器

5.1 编码器分类

5.1.1 增量型

5.1.2 绝对值型

5.1.3 混合型

5.2 常用编码器E6B2-CWZ6C

5.2.1 参数特征

5.2.2 工作原理

5.2.3 使用方法

5.3 编码器ROS驱动

5.4 编码器ROS通信数据分析

5.4.1 启动编码器ROS节点程序

5.4.2 查看传感器节点数据

第6章 惯性传感器

6.1 惯性传感器分类

6.1.1 角速度陀螺仪

6.1.2 线加速度计

6.2 常用惯性传感器9DoF Razor IMU

6.2.1 参数特征

6.2.2 工作原理

6.2.3 使用方法

6.3 惯性传感器ROS驱动

6.4 惯性传感器ROS通信数据分析

6.4.1 rotopic查看ROS驱动发布话题

6.4.2 分析话题数据imu_data

第7章 视觉传感器

7.1 视觉传感器分类

7.2 常用视觉传感器

7.2.1 参数特征

7.2.2 工作原理

7.2.3 使用方法

7.3 视觉传感器ROS通信驱动

第8章 雷达

8.1 雷达种类

8.1.1 激光雷达概述

8.1.2 激光雷达分类

8.2 常用激光雷达

8.2.1 参数特征

8.2.2 工作原理

8.2.3 使用方法

8.3 激光雷达ROS通信驱动

8.4 激光雷达ROS通信数据分析

第9章 基于ROS的卡尔曼滤波

9.1 robot_pose_ekf简介

9.2 如何使用扩展卡尔曼滤波器

9.2.1 配置

9.2.2 编译并运行包

9.3 节点解析

9.4 扩展卡尔曼滤波器如何工作

第10章 基于ROS的状态估计

10.1 robot_localization介绍

10.2 robot_localization特征

10.3 robot_localization状态估计节点

10.3.1 ekf_localization_node

10.3.2 ukf_localization_node

10.3.3 参数

10.4 准备数据

10.4.1 RO数据标准

10.4.2 坐标系和转换传感器数据

10.4.3 处理tf_prefix

10.4.4 每种传感器消息类型的注意事项

10.4.5 常见错误

10.5 robot_localization配置

10.5.1 传感器配置

10.5.2 以2D运行

10.5.3 融合不可测变量