[套装书]ROS机器人项目开发11例（原书第2版）+ROS机器人高效编程（原书第3版）（2册）[POD]

.他的专业兴趣包括应用于机器人系统的计算机视觉、信号处理和电子设计。因此，他加入了AVORA团队，这批年轻的工程师和学生从零开始从事自主水下航行器（AUV）的开发工作。在这个项目中，Luis开始开发声学和计算机视觉系统，用于提取不同传感器的信息，例如水听器、声呐和摄像头。
依托海洋技术的强大背景，Luis与人合作创办了一家新的初创公司Subsea Mechatronics，致力于为水下环境开发遥控操作和自主航行器。
下面是海洋技术工程师和企业家（LPA Fabrika：Gran Canaria Maker Space的联合创始人和制造商）Dario Sosa Cabrera对Luis的评价：
“他很热情，是一个跨多学科的工程师。他对工作负责，自制力强，并承担一个团队领导者的责任，这在euRathlon比赛中充分展现了出来。他在电子和电信领域的背景让其具备从信号处理和软件到电子设计和制造的广泛专业知识。”
Luis作为技术审校者参与了Packt出版社出版的《Learning ROS for Robotics Programming》的相关工作以及第2版的撰写工作。
首先，我要感谢Aaron、Anil以及Enrique邀请我参与编写这本书。同他们一起工作非常快乐。同时，我也要感谢水下机电团队关于重型水下机器人的丰富经验，这些年我们一起成长。我必须提到LPA Fabrika：Gran Canaria Maker Space，他们满腔热忱地准备和引导教学机器人及技术项目，与他们共同工作的时光也非常开心。
最后，我要感谢家人和女友对我参与的每个项目的大力支持和鼓励。我以此书献给他们。
Enrique Fernández具有计算机工程博士学位和机器人学研究背景。他的博士论文解决了自主水下滑翔器（AUG）的路径规划问题，他还研究了SLAM、感知、视觉、控制等机器人学课题。在读博士期间，他加盟了赫罗纳大学的CIRS/ViCOROB水下机器人研究中心，在那里他为AUV开发了视觉SLAM和INS模块。他在2012年参加了SAUC-E并获奖，在2013年作为合作者参与了SAUC-E。
攻读博士学位期间，Enrique在机器人顶级会议和期刊上发表了多篇论文，其中包括国际机器人和自动化会议（International Conference of Robotics and Automation，ICRA）。他也合作编写了一些ROS书籍和章节。
之后，Enrique作为SLAM工程师在2013年6月加盟PAL Robotics公司。在那里，他开发了用于REEM、REEM-C仿人型机器人的ROS软件，也继续为开源社区（主要是ROS控制软件库）做贡献，目前仍是其中一名维护人员。在2015年，他加盟Clearpath Robotics公司的自主系统部门，从事感知算法开发相关工作。他曾经在通用电气公司（General Electric）和约翰迪尔（John Deere）等多家大型工业公司的设施中负责部署工业移动机器人OTTO 1500和OTTO 100软件的运行。
我要感谢本书的合著者，感谢他们为完成本书所付出的努力以及提供了无数示例的代码。我还要感谢拉斯帕尔马斯大学研究组和水下机器人研究中心（Center of Underwater Robotics Research，CIRS/ViCOROB）的研究小组成员。我也要感谢在PAL Robotics公司的同事，在那里我学到很多关于ROS、机器人运动以及仿人双足机器人的知识，不仅有软件，还有电子和硬件设计。此外，我还要感谢在Clearpath Robotics的同事们，在这里我掌握了ROS并参与了为工业4.0销售的24/7全天候运行自动驾驶机器人的软件开发。最后，我要感谢我的家人和朋友的帮助与支持，特别是Eva。
Aaron Martinez是数字化制造领域的计算机工程师、企业家和专家。他于2010年在拉斯帕尔马斯大学的IUCTC（Instituto Universitario de Cienciasy Tecnologias Ciberneticas）完成硕士论文。他在远程监控领域使用沉浸式设备和机器人平台准备硕士论文。获得学位后，他参加了在奥地利林茨约翰开普勒大学研究所的机器人学实习计划。在实习期间，他作为团队的一员使用ROS和导航包集进行移动平台开发。之后，他参与了有关机器人的项目，其中一个是拉斯帕尔马斯大学的AVORA项目。在这个项目中，他参与自主水下航行器制作，并参与意大利的SAUC-E。2012年，他负责维护这个项目；2013年，他帮助从ROS向机器人平台移植导航包集和其他算法。
最近，Aaron与人共同创立了一家名为SubSeaMechatronics SL的公司。这家公司从事与水下机器人和遥控系统相关的项目，还设计和制造水下传感器。公司的主要目标是开发用于研发原型和重型机械手的定制解决方案。
Aaron有许多领域的经验，比如编程、机器人、机电一体化、数字化制造以及Arduino、BeagleBone、服务器和激光雷达等设备。如今，他在SubSeaMechatronics SL公司从事水下和空中环境的机器人平台设计。
我要感谢我的女友，她在我写这本书时支持我并且给我继续成长的动力。我还要感谢Donato Monopoli（加那利群岛技术研究所（ITC）生物医学工程部门的主管），以及ITC所有的工作人员，感谢他们使我懂得数字制造、机械以及工程组织，我在此度过了生命中最美好的时光。
感谢我大学的同事，特别是Alexis Quesada，他给了我在准备硕士论文时创建第一个机器人的机会。同他们一起工作，使我学习到很多关于机器人的知识。
最后，我要感谢家人和朋友的帮助与支持。
审校者简介
Lentin Joseph是印度Qbotics Labs（http://www.qboticslabs.com）的创始人兼首席执行官、作家、企业家、电子工程师、机器人爱好者、机器视觉专家、嵌入式程序员。
他在印度喀拉拉的联邦理工学院（FISAT）获电子学和通信工程学士学位。在工程项目的最后一年，他制作了一个可以与人交互的社交机器人（http://www.technolabsz.com/2012/07/social-robot-my-final-year.html）。项目取得了巨大的成功，被视觉和印刷媒体多次报道。该机器人的主要特点是可以与人交流并智能回复，同时具有一定的图像处理能力，如面部、动作和颜色检测。整个项目使用Python编程语言实现。他对机器人、图像处理和Python的兴趣从此开始。
毕业后，他在一家专门从事机器人和图像处理的创业公司工作了3年。同时，他学习了主流的机器人软件平台，如机器人操作系统（ROS）、V-REP、Actin（机器人仿真工具），以及图像处理库，如OpenCV、OpenNI和PCL。他还了解Arduino和Tiva Launchpad上的机器人三维设计和嵌入式编程。
在积累3年的工作经验后，他创立了一家名叫Qbotics Labs的新公司，主要从事研究工作，在机器人和机器视觉等领域开发一些优秀的产品。他负责维护个人网站（http://www.lentinjoseph.com）和一个名为technolabsz的技术博客（http://www.technolabsz.com）。他在科技博客上发布作品。他也是印度PyCon2013的演讲者，主题是“使用Python的学习机器人”（Learning Robotics using Python）。
Lentin是《Learning Robotics using Python》（更多内容参考http://learn-robotics.com）和《Mastering ROS for Robotics Programming》（更多内容参考http://mastering-ros.com）的作者，这两本书都由Packt出版社出版。第一本书的主题是使用ROS和OpenCV构建自主移动机器人。这本书是在ICRA 2015上推出的，并在ROS博客Robohub、OpenCV、Python网站以及其他相关论坛上推广。第二本书是掌握机器人操作系统（ROS）的工具书，也在ICRA 2016上推出，它是最畅销的ROS书籍之一。
作为ICRA 2016的一部分，Lentin及其团队获得了HRATC 2016挑战赛的冠军，同时他也是ICRA 2015挑战赛HRATC决赛的入围者（http://www.icra2016.org/conference/challenges/）。

1.3.4　ROS中的通信 9
1.4　ROS客户端库 10
1.5　ROS工具 11
1.5.1　ROS的可视化工具RViz 11
1.5.2　rqt_plot 11
1.5.3　rqt_graph 12
1.6　ROS模拟器 13
1.7　在Ubuntu 18.04 LTS上安装ROS Melodic 13
1.8　在VirtualBox上设置ROS 18
1.9　Docker简介 19
1.9.1　为什么选择Docker 20
1.9.2　安装Docker 20
1.10　设置ROS工作空间 23
1.11　ROS在工业界和学术界的机遇 25
1.12　本章小结 25
第2章　ROS-2及其特性简介 26
2.1　技术要求 27
2.2　ROS-2概述 27
2.2.1　ROS-2发行版 28
2.2.2　支持的操作系统 28
2.2.3　支持的机器人及传感器 29
2.2.4　为什么选择ROS-2 29
2.3　ROS-2基础 30
2.3.1　什么是DDS 30
2.3.2　DDS的实现 30
2.3.3　计算图 31
2.3.4　ROS-2社区层级 32
2.3.5　ROS-2中的通信 32
2.3.6　ROS-2的变化 33
2.4　ROS-2客户端库 33
2.5　ROS-2工具 34
2.5.1　RViz2 34
2.5.2　Rqt 36
2.6　安装ROS-2 36
2.6.1　开始安装 37
2.6.2　获取ROS-2源码 38
2.6.3　ROS-1、ROS-2以及共存环境设置 41
2.6.4　运行测试节点 42
2.7　设置ROS-2工作空间 44
2.8　编写ROS-2节点 45
2.8.1　ROS-1代码示例 45
2.8.2　ROS-2代码示例 46
2.8.3　ROS-1发布者节点与ROS-2发布者节点的区别 49
2.9　ROS-1和ROS-2的通信 50
2.10　本章小结 52
第3章　构建工业级移动机械臂 53
3.1　技术要求 54
3.2　常见的移动机械臂 54
3.3　移动机械臂应用场景 55
3.4　移动机械臂构建入门 56
3.4.1　单位及坐标系 57
3.4.2　Gazebo及ROS机器人模型格式设定 57
3.5　机器人底座构建 58
3.5.1　机器人底座需求 58
3.5.2　软件参数 60
3.5.3　机器人底座建模 60
3.5.4　机器人底座模拟 64
3.5.5　机器人底座测试 68
3.6　机械臂构建 70
3.6.1　机械臂需求 71
3.6.2　软件参数 72
3.6.3　机械臂建模 72
3.6.4　机械臂模拟 74
3.6.5　机械臂测试 77
3.7　系统集成 78
3.7.1　移动机械臂建模 78
3.7.2　移动机械臂模拟与测试 79
3.8　本章小结 80
第4章　基于状态机的复杂机器人任务处理 81
4.1　技术要求 81
4.2　ROS动作机制简介 82
4.2.1　服务器–客户端结构概述 82
4.2.2　actionlib示例：机械臂客户端 83
4.2.3　基于actionlib的服务器–客户端示例：电池模拟器 85
4.3　服务员机器人应用示例 90
4.4　状态机简介 92
4.5　SMACH简介 93
4.6　SMACH入门 96
4.6.1　SMACH-ROS的安装与使用 96
4.6.2　简单示例 96
4.6.3　餐厅机器人应用示例 98
4.7　本章小结 102
第5章　构建工业级应用程序 103
5.1　技术要求 103
5.2　应用案例：机器人送货上门 104
5.3　机器人底座智能化 106
5.3.1　添加激光扫描传感器 106
5.3.2　配置导航栈 108
5.3.3　环境地图构建 110
5.3.4　机器人底座定位 111
5.4　机械臂智能化 111
5.4.1　Moveit简介 112
5.4.2　安装与配置Moveit 113
5.4.3　通过Moveit控制机械臂 117
5.5　应用程序模拟 120
5.5.1　环境地图构建与保存 120
5.5.2　选择目标点 120
5.5.3　添加目标点 121
5.5.4　状态机构建 121
5.6　机器人改进 121
5.7　本章小结 122
第6章　多机器人协同 123
6.1　技术要求 123
6.2　集群机器人基本概念 124
6.3　集群机器人分类 125
6.4　ROS中的多机器人通信 125
6.4.1　单个roscore和公共网络 126
6.4.2　群组/名称空间的使用 127
6.4.3　基于群组/名称空间的多机器人系统构建示例 128
6.5　多master概念简介 131
6.5.1　multimaster_fkie功能包简介 132
6.5.2　安装multimaster_fkie功能包 133
6.5.3　设置multimaster_fkie功能包 133
6.6　多机器人应用示例 136
6.7　本章小结 138
第7章　嵌入式平台上的ROS应用及其控制 139
7.1　技术要求 139
7.2　嵌入式板基础知识 140
7.2.1　重要概念介绍 141
7.2.2　机器人领域微控制器和微处理器的区别 142
7.2.3　板卡选型步骤 142
7.3　微控制器板简介 143
7.3.1　Arduino Mega 143
7.3.2　STM32 144
7.3.3　ESP8266 145
7.3.4　ROS支持的嵌入式板 146
7.3.5　对比表格 147
7.4　单板计算机简介 147
7.4.1　CPU板 148
7.4.2　GPU板 151
7.5　Debian与Ubuntu 152
7.6　在Tinkerboard S平台上设置操作系统 153
7.6.1　基础需求 153
7.6.2　安装Tinkerboard Debian操作系统 153
7.6.3　安装Armbian和ROS 154
7.6.4　使用可用的ROS镜像安装 156
7.7　在BeagleBone Black平台上设置ROS 156
7.7.1　基础需求 156
7.7.2　安装Debian 操作系统 157
7.7.3　安装Ubuntu和ROS 158
7.8　在Raspberry Pi 3/4平台上设置ROS 159
7.8.1　基础需求 159
7.8.2　安装Raspbian和ROS 159
7.8.3　安装Ubuntu和ROS 160
7.9　在Jetson Nano平台上设置ROS 161
7.10　通过ROS控制GPIO 161
7.10.1　Tinkerboard S 162
7.10.2　BeagleBone Black 163
7.10.3　Raspberry Pi 3/4 164
7.10.4　Jetson Nano 165
7.11　嵌入式板基准测试 166
7.12　Alexa入门及连接ROS 168
7.12.1　Alexa 技能构建前提条件 168
7.12.2　创建Alexa技能 169
7.13　本章小结 173
第8章　强化学习与机器人学 174
8.1　技术要求 174
8.2　机器学习概述 175
8.2.1　监督学习 175
8.2.2　无监督学习 175
8.2.3　强化学习 176
8.3　理解强化学习 176
8.3.1　探索与开发 177
8.3.2　强化学习公式 177
8.3.3　强化学习平台 178
8.3.4　机器人领域的强化学习应用 179
8.4　马尔可夫决策过程与贝尔曼方程 179
8.5　强化学习算法 181
8.5.1　出租车问题应用示例 181
8.5.2　TD预测 182
8.5.3　TD控制 183
8.6　ROS中的强化学习功能包 189
8.6.1　gym-gazebo 189
8.6.2　gym-gazebo2 194
8.7　本章小结 196
第9章　ROS下基于TensorFlow的深度学习 197
9.1　技术要求 197
9.2　深度学习及其应用简介 198
9.3　机器人领域的深度学习 198
9.4　深度学习库 199
9.5　TensorFlow入门 200
9.5.1　在Ubuntu 18.04 LTS上安装TensorFlow 200
9.5.2　TensorFlow概念 202
9.5.3　在TensorFlow下编写第一行代码 204
9.6　ROS下基于TensorFlow的图像识别 206
9.6.1　基础需求 207
9.6.2　ROS图像识别节点 207
9.7　scikit-learn简介 210
9.8　SVM及其在机器人领域的应用简介 211
9.9　本章小结 214
第10章　ROS下的自动驾驶汽车构建 215
10.1　技术要求 215
10.2　自动驾驶汽车入门 216
10.3　典型自动驾驶汽车基本组件 218
10.3.1　GPS、IMU和车轮编码器 218
10.3.2　摄像头 219
10.3.3　超声波传感器 219
10.3.4　LIDAR与RADAR 219
10.3.5　自动驾驶汽车的软件模块体系结构 221
10.4　ROS下的自动驾驶汽车模拟与交互 222
10.4.1　Velodyne LIDAR模拟 223
10.4.2　ROS下的Velodyne传感器接口 224
10.4.3　激光扫描仪模拟 225
10.4.4　模拟代码扩展 226
10.4.5　ROS下的激光扫描仪接口 227
10.4.6　Gazebo下的立体与单目摄像头模拟 228
10.4.7　ROS下的摄像头接口 229
10.4.8　Gazebo下的GPS模拟 230
10.4.9　ROS下的GPS接口 231
10.4.10　Gazebo下的IMU模拟 231
10.4.11　ROS下的IMU接口 233
10.4.12　Gazebo下的超声波传感器模拟 233
10.4.13　低成本LIDAR传感器 235
10.5　Gazebo下带传感器的自动驾驶汽车模拟 236
10.6　ROS下的DBW汽车接口 241
10.6.1　功能包安装 241
10.6.2　自动驾驶汽车及传感器数据可视化 241
10.6.3　基于ROS与DBW通信 243
10.7　Udacity开源自动驾驶汽车项目简介 243
10.7.1　Udacity的开源自动驾驶汽车模拟器 244
10.7.2　MATLAB ADAS工具箱 246
10.8　本章小结 246
第11章　基于VR头盔和Leap Motion的机器人遥操作 247
11.1　技术要求 248
11.2　VR头盔和Leap Motion传感器入门 248
11.3　项目设计和实施 250
11.4　在Ubuntu 14.04.5上安装Leap Motion SDK 251
11.4.1　可视化Leap Motion控制器数据 252
11.4.2　使用Leap Motion可视化工具 252
11.4.3　安装用于Leap Motion控制器的ROS驱动程序 253
11.5　RViz中Leap Motion数据的可视化 255
11.6　使用Leap Motion控制器创建遥操作节点 256
11.7　构建ROS-VR Android应用程序 258
11.8　ROS-VR应用程序的使用及与Gazebo的交互 260
11.9　VR下的TurtleBot模拟 262
11.9.1　安装TurtleBot模拟器 262
11.9.2　在VR中控制TurtleBot 262
11.10　ROS-VR应用程序故障排除 263
11.11　ROS-VR应用与Leap Motion遥操作功能集成 264
11.12　本章小结 265
第12章　基于ROS、Open CV和Dynamixel伺服系统的人脸识别与跟踪 266
12.1　技术要求 266
12.2　项目概述 267
12.3　硬件和软件基础需求 267
12.4　使用RoboPlus配置Dynamixel伺服系统 271
12.5　Dynamixel与ROS连接 275
12.6　创建人脸跟踪器ROS功能包 276
12.7　使用人脸跟踪ROS功能包 278
12.7.1　理解人脸跟踪器代码 279
12.7.2　理解CMakeLists.txt 283
12.7.3　track.yaml文件 284
12.7.4　启动文件 284
12.7.5　运行人脸跟踪器节点 285
12.7.6　face_tracker_control功能包 286
12.7.7　平移控制器配置文件 287
12.7.8　伺服系统参数配置文件 287
12.7.9　人脸跟踪控制器节点 288
12.7.10　创建CMakeLists.txt 289
12.7.11　测试人脸跟踪器控制功能包 290
12.7.12　节点集成 291
12.7.13　固定支架并设置电路 291
12.7.14　最终运行 292
12.8　本章小结 292


---------------------------ROS机器人高效编程（原书第3版）---------------------------


推荐序一
推荐序二
译者序
前言
作者简介
审校者简介
第1章　ROS入门 1
1.1 PC安装教程 3
1.2 使用软件库安装ROS Kinetic 3
1.2.1　配置Ubuntu软件库 4
1.2.2　添加软件库到sources.list文件中 4
1.2.3　设置密钥 5
1.2.4　安装ROS 5
1.2.5　初始化rosdep 6
1.2.6　配置环境 6
1.2.7　安装rosinstall 7
1.3 如何安装VirtualBox和Ubuntu 8
1.3.1　下载VirtualBox 8
1.3.2　创建虚拟机 9
1.4 通过Docker镜像使用ROS 11
1.4.1　安装Docker 11
1.4.2　获取和使用ROS Docker镜像和容器 11
1.5 在BeagleBone Black上安装ROS Kinetic 12
1.5.1　准备工作 13
1.5.2　配置主机和source.list文件 16
1.5.3　设置密钥 16
1.5.4　安装ROS功能包 17
1.5.5　为ROS初始化rosdep 17
1.5.6　在BeagleBone Black中配置环境 18
1.5.7　在BeagleBone Black中安装rosinstall 18
1.5.8　BeagleBone Black基本ROS示例 18
1.6 本章小结 19
第2章　ROS架构及概念 20
2.1 理解ROS文件系统级 20
2.1.1　工作空间 21
2.1.2　功能包 22
2.1.3　元功能包 23
2.1.4　消息 24
2.1.5　服务 25
2.2 理解ROS计算图级 25
2.2.1　节点与nodelet 27
2.2.2　主题 28
2.2.3　服务 29
2.2.4　消息 29
2.2.5　消息记录包 30
2.2.6　节点管理器 30
2.2.7　参数服务器 30
2.3 理解ROS开源社区级 31
2.4 ROS试用练习 32
2.4.1　ROS文件系统导览 32
2.4.2　创建工作空间 32
2.4.3　创建ROS功能包和元功能包 33
2.4.4　编译ROS功能包 34
2.4.5　使用ROS节点 35
2.4.6　如何使用主题与节点交互 37
2.4.7　如何使用服务 39
2.4.8　使用参数服务器 41
2.4.9　创建节点 42
2.4.10　编译节点 44
2.4.11　创建msg和srv文件 45
2.4.12　使用新建的srv和msg文件 48
2.4.13　launch文件 51
2.4.14　动态参数 53
2.5 本章小结 57
第3章　可视化和调试工具 58
3.1 调试ROS节点 60
3.1.1　使用gdb调试器调试ROS节点 60
3.1.2　在ROS节点启动时调用gdb调试器 61
3.1.3　在ROS节点启动时调用valgrind分析节点 62
3.1.4　设置ROS节点core文件转储 62
3.2 日志消息 62
3.2.1　输出日志消息 62
3.2.2　设置调试消息级别 63
3.2.3　为特定节点配置调试消息级别 64
3.2.4　消息命名 65
3.2.5　按条件显示消息与过滤消息 65
3.2.6　显示消息的方式——单次、可调以及其他组合 66
3.2.7　使用rqt_console和rqt_logger_level在运行时修改调试级别 66
3.3 检测系统状态 69
3.4 设置动态参数 73
3.5 当出现异常状况时使用roswtf 75
3.6 可视化节点诊断 77
3.7 绘制标量数据图 78
3.8 图像可视化 81
3.9 3D可视化 83
3.9.1　使用rqt_rviz在3D世界中实现数据可视化 83
3.9.2　主题与坐标系的关系 86
3.9.3　可视化坐标变换 87
3.10 保存与回放数据 88
3.10.1　什么是消息记录包文件 89
3.10.2　使用rosbag在消息记录包文件中记录数据 89
3.10.3　回放消息记录包文件 90
3.10.4　查看消息记录包文件的主题和消息 91
3.11 应用rqt与rqt_gui插件 93
3.12 本章小结 93
第4章　3D建模与仿真 95
4.1 在ROS中自定义机器人的3D模型 95
4.2 创建第一个URDF文件 95
4.2.1　解释文件格式 97
4.2.2　在rviz里查看3D模型 98
4.2.3　加载网格到机器人模型中 100
4.2.4　使机器人模型运动 100
4.2.5　物理和碰撞属性 101
4.3 xacro——一种更好的机器人建模方法 102
4.3.1　使用常量 102
4.3.2　使用数学方法 103
4.3.3　使用宏 103
4.3.4　使用代码移动机器人 103
4.3.5　使用SketchUp进行3D建模 107
4.4 在ROS中仿真 109
4.4.1　在Gazebo中使用URDF 3D模型 109
4.4.2　在Gazebo中添加传感器 112
4.4.3　在Gazebo中加载和使用地图 115
4.4.4　在Gazebo中移动机器人 116
4.5 本章小结 118
第5章　导航功能包集入门 119
5.1 ROS导航功能包集 119
5.2 创建变换 120
5.2.1　创建广播器 121
5.2.2　创建侦听器 121
5.2.3　查看坐标变换树 124
5.3 发布传感器信息 124
5.4 发布里程数据信息 127
5.4.1　Gazebo如何获取里程数据 128
5.4.2　使用Gazebo创建里程数据 131
5.4.3　创建自定义里程数据 132
5.5 创建基础控制器 135
5.6 使用ROS创建地图 139
5.6.1　使用map_server保存地图 141
5.6.2　使用map_server加载地图 141
5.7 本章小结 142
第6章　导航功能包集进阶 144
6.1 创建功能包 144
6.2 创建机器人配置 144
6.3 配置全局和局部代价地图 147
6.3.1　基本参数的配置 147
6.3.2　全局代价地图的配置 148
6.3.3　局部代价地图的配置 149
6.3.4　底盘局部规划器配置 149
6.4 为导航功能包集创建启动文件 150
6.5 为导航功能包集设置rviz 151
6.5.1　2D位姿估计 152
6.5.2　2D导航目标 152
6.5.3　静态地图 154
6.5.4　粒子云 154
6.5.5　机器人占地空间 155
6.5.6　局部代价地图 156
6.5.7　全局代价地图 156
6.5.8　全局规划 157
6.5.9　局部规划 158
6.5.10　规划器规划 158
6.5.11　当前目标 159
6.6 自适应蒙特卡罗定位 160
6.7 使用rqt_reconfigure修改参数 161
6.8 机器人避障 162
6.9 发送目标 163
6.10 本章小结 166
第7章　使用MoveIt! 167
7.1 MoveIt!体系结构 167
7.1.1　运动规划 169
7.1.2　规划场景 169
7.1.3　世界几何结构显示器 170
7.1.4　运动学 170
7.1.5　碰撞检测 170
7.2 在MoveIt!中集成一个机械臂 171
7.2.1　工具箱里有什么 171
7.2.2　使用设置助手生成一个MoveIt!功能包 172
7.2.3　集成到RViz中 176
7.2.4　集成到Gazebo或实际机械臂中 179
7.3 简单的运动规划 180
7.3.1　规划单个目标 181
7.3.2　规划一个随机目标 181
7.3.3　规划预定义的群组状态 183
7.3.4　显示目标的运动 183
7.4 考虑碰撞的运动规划 184
7.4.1　将对象添加到规划场景中 184
7.4.2　从规划的场景中删除对象 185
7.4.3　应用点云进行运动规划 186
7.5 抓取和放置任务 187
7.5.1　规划的场景 188
7.5.2　要抓取的目标对象 189
7.5.3　支撑面 189
7.5.4　感知 191
7.5.5　抓取 191
7.5.6　抓取操作 193
7.5.7　放置操作 195
7.5.8　演示模式 197
7.5.9　在Gazebo中仿真 198
7.6 本章小结 199
第8章　在ROS下使用传感器和执行器 200
8.1 使用游戏杆或游戏手柄 200
8.1.1　joy_node如何发送游戏杆动作消息 201
8.1.2　使用游戏杆数据移动机器人模型 202
8.2 使用Arduino添加更多的传感器和执行器 206
8.2.1　创建使用Arduino的示例程序 207
8.2.2　由ROS和Arduino控制的机器人平台 210
8.3 使用9自由度低成本IMU 217
8.3.1　安装Razor IMU ROS库 219
8.3.2　Razor如何在ROS中发送数据 221
8.3.3　创建一个ROS节点以使用机器人中的9DoF传感器数据 222
8.3.4　使用机器人定位来融合传感器数据 223
8.4 使用IMU——Xsens MTi 225
8.5 GPS的使用 226
8.5.1　GPS如何发送信息 228
8.5.2　创建一个使用GPS的工程示例 229
8.6 使用激光测距仪——Hokuyo URG-04lx 230
8.6.1　了解激光如何在ROS中发送数据 231
8.6.2　访问和修改激光数据 232
8.7 创建launch文件 234
8.8 使用Kinect传感器查看3D环境中的对象 235
8.8.1　Kinect如何发送和查看传感器数据 236
8.8.2　创建使用Kinect的示例 238
8.9 使用伺服电动机——Dynamixel 239
8.9.1　Dynamixel如何发送和接收运动命令 241
8.9.2　创建和使用伺服电动机示例 241
8.10 本章小结 243
第9章　计算机视觉 244
9.1 ROS摄像头驱动程序支持 245
9.1.1　FireWire IEEE1394摄像头 245
9.1.2　USB摄像头 249
9.1.3　使用OpenCV制作USB摄像头驱动程序 250
9.2 ROS图像 255
9.3 ROS中的OpenCV库 256
9.3.1　安装OpenCV 3.0 256
9.3.2　在ROS中使用OpenCV 256
9.4 使用rqt_image_view显示摄像头输入的图像 257
9.5 标定摄像头 257
9.5.1　如何标定摄像头 258
9.5.2　双目标定 261
9.6 ROS图像管道 264
9.7 计算机视觉任务中有用的ROS功能包 269
9.7.1　视觉里程计 270
9.7.2　使用viso2实现视觉里程计 270
9.7.3　摄像头位姿标定 271
9.7.4　运行viso2在线演示 273
9.7.5　使用低成本双目摄像头运行viso2 276
9.8 使用RGBD深度摄像头实现视觉里程计 276
9.8.1　安装fovis 276
9.8.2　用Kinect RGBD深度摄像头运行fovis 277
9.9 计算两幅图像的单应性 278
9.10 本章小结 279
第10章　点云 280
10.1 理解点云库 280
10.1.1　不同的点云类型 281
10.1.2　PCL中的算法 281
10.1.3　ROS的PCL接口 282
10.2 我的第一个PCL程序 283
10.2.1　创建点云 284
10.2.2　加载和保存点云到硬盘中 287
10.2.3　可视化点云 290
10.2.4　滤波和缩减采样 294
10.2.5　配准与匹配 298
10.2.6　点云分区 301
10.3 分割 305
10.4 本章小结 308

.　　第6章介绍通过ROS在多个机器人间进行通信的方法，其中的机器人既可以是同类型的，也可以是不同类型的（即异构多机器人系统）。在此基础上，还将介绍对一组多机器人进行单独或同时控制的方法。
　　第7章介绍新型的嵌入式控制器及处理器板，例如基于STM32的控制器、Tinkerboard、Jetson Nano以及其他类似产品。本章还将介绍怎样通过ROS控制这些板卡的GPIO（General-Purpose Input/Output，通用输入/输出接口），以及如何通过Alexa提供的语音交互功能进行语音控制。
　　第8章介绍机器人学领域最重要的学习技术之一——强化学习。本章将介绍强化学习的内涵，并通过实例介绍强化学习背后的数学知识。此外，还将通过一系列实例展示强化学习技术是如何在ROS中进行应用的。
　　第9章介绍深度学习在机器人领域的应用。本章将介绍如何使用深度学习实现图像识别，还将介绍使用SVM（Support Vector Machine，支持向量机）的应用程序。
　　第10章是本书中最有趣的内容之一。本章将展示如何使用ROS和Gazebo构建一辆模拟的自动驾驶汽车。
　　第11章展示如何通过VR头盔和体感控制器Leap Motion实现对机器人的远程操控。本章将介绍VR头盔的应用，这是当前最流行的技术之一。
　　第12章通过一个项目展示如何在ROS下使用OpenCV库。在本项目中，将构建一个最基本的人脸跟踪器，实现摄像头对人脸的实时跟踪。本章将使用诸如Dynamixel的智能伺服系统实现机器人的旋转。
　　充分利用本书
　　读者需要一台运行Linux系统（最佳版本为Ubuntu 18.04）的个人计算机。
　　个人计算机配置需求为：具有显卡，内存不小于4GB（8GB更佳）。这主要是为了更好地运行Gazebo，也是为了更好地进行点云和计算机视觉处理。
　　读者最好能够拥有书中提到的传感器、执行器以及I/O板，并且能够将这些硬件连接到自己的计算机上，同时为了能够复制相关代码，读者需要安装Git。
　　如果读者使用Windows系统，则推荐下载VirtualBox，并在其中安装和配置Ubuntu。不过，需要提醒的一点是，在虚拟机中运行ROS相关程序、连接某些硬件时可能存在某些问题。
　　下载示例代码及彩色图像
　　本书的示例代码及所有截图和样图，可以从http://www.packtpub.com通过个人账号下载，也可以访问华章图书官网http://www.hzbook.com，通过注册并登录个人账号下载。
　　下载完成后，读者可以将代码压缩包解压到本地（请确保已经安装了解压缩软件），具体操作系统的相应解压缩软件如下：
　　Windows下为WinRAR/7-Zip。
　　Mac下为Zipeg/iZip/UnRarX。
　　Linux下为7-Zip/PeaZip。
　　此外，读者还可以通过GitHub下载本书代码，网址为：
　　https://github.com/PacktPublishing/ROS-Robotics-Projects-SecondEdition
　　如果代码有所更新，则上述网址相应的仓库代码也会进行更新。
　　本书约定
　　代码段示例：
　　输入或输出命令行示例：
　　表示警告或重要的说明。
　　表示提示和技巧。
　　
　　
　　---------------------------ROS机器人高效编程（原书第3版）---------------------------
　　
　　
　　本书第3版全面地介绍了ROS和各种工具。ROS是一个先进的机器人操作系统框架，目前已有数百个研究团体和公司将其应用在机器人行业中。更重要的是，对于机器人技术的非专业人士和学生来说，它也相对容易上手。在本书中，你将了解如何安装ROS，如何使用ROS的基本工具和框架中不同的功能。
　　在阅读本书的过程中无须使用任何特殊的设备。书中每一章都附带了一系列的源代码示例和教程，你可以在自己的计算机上运行。这是你唯一需要做的事情。
　　当然，我们还会告诉你如何使用硬件，这样可以将你的算法应用到现实环境中。我们在选择设备时特意选择一些业余用户购买得起的设备，同时涵盖了在机器人研究中最典型的传感器和执行器。
　　最后，展示ROS具有使整个机器人在实际或虚拟环境中工作的能力。你将学习如何创建自己的机器人并通过Gazebo仿真环境集成它。此外，如果使用Gazebo仿真环境，你将能够在虚拟环境中运行一切。本书将带你从不同方面探索如何创建机器人，例如使用计算机视觉或点云分析传感器感知世界，使用强大的导航功能包集在环境中实现导航，甚至能够用MoveIt!包控制机械臂与周围环境交互。读完本书后，你会发现已经可以使用ROS机器人进行工作了，并理解其背后的原理，我们衷心希望你能全面了解ROS在开发机器人系统时所提供的无限可能性。
　　主要内容
　　第1章介绍安装ROS最简单的方法，以及如何在不同平台上安装ROS，本书使用的版本是ROS Kinetic。这一章还会说明如何从Debian包安装或从源代码进行编译安装，以及在虚拟机、Docker和ARM CPU中安装。
　　第2章讨论ROS框架及相关的概念和工具。该章介绍节点、主题和服务，以及如何使用它们，还将通过一系列示例说明如何调试节点或利用可视化方法直观地查看通过主题发布的消息。
　　第3章进一步展示ROS强大的调试工具，以及通过对节点主题的图形化将节点间的通信数据可视化。ROS提供了一个日志记录API来轻松地诊断节点的问题。事实上，在使用过程中，我们会看到一些功能强大的图形化工具（如rqt_console和rqt_graph），以及可视化接口（如rqt_plot和rviz）。最后介绍如何使用rosbag和rqt_bag记录并回放消息。
　　第4章介绍在ROS中实现机器人的第一步是创建一个机器人模型，包括在Gazebo仿真环境中如何从头开始对一个机器人进行建模和仿真，并使其在仿真环境中运行。你也可以仿真摄像头和激光测距传感器等传感器，为后续学习如何使用ROS的导航功能包集和其他工具奠定基础。
　　第5章是关于ROS导航功能包集中的其中一章。该章介绍如何为方便机器人使用导航功能包集进行初始化配置。然后用几个例子对导航功能包集进行说明。
　　第6章延续第5章的内容，介绍如何使用导航功能包集使机器人有效地自主导航。该章介绍使用ROS的Gazebo仿真环境和RViz创建一个虚拟环境，在其中构建地图、定位机器人并用障碍回避做路径规划。
　　第7章讨论ROS中移动机器人机械臂的一个工具包。该章包含安装这个包所需要的文档，以及使用MoveIt!操作机械臂进行抓取、放置、简单的运动规划等任务的演示示例。
　　第8章介绍ROS与现实世界如何连接。这一章介绍在ROS下使用的一些常见传感器和执行器，如激光雷达、伺服电动机、摄像头、RGB-D传感器、GPS等。此外，还会解释如何使用嵌入式系统与微控制器（例如非常流行的Arduino开发板）。
　　第9章介绍ROS对摄像头和计算机视觉任务的支持。首先使用FireWire和USB摄像头驱动程序将摄像头连接到计算机并采集图像。然后，就可以使用ROS的标定工具标定摄像头。该章会详细介绍和说明什么是图像管道，讨论如何使用集成了OpenCV的多个机器视觉API。最后，安装并使用一个视觉里程计软件。
　　第10章将展示如何在ROS节点中使用点云库（Point Cloud Library，PCL）。该章从基本功能入手，如读或写PCL数据片段以及发布或订阅这些消息所必需的转换。然后，将在不同节点间创建一个管道来处理3D数据，以及使用PCL进行缩减采样、过滤和搜索特征点。
　　预备知识
　　我们写作本书的目的是让每位读者都可以完成本书的学习并运行示例代码。基本上，你只需要在计算机上安装一个Linux发行版。虽然每个Linux发行版应该都能使用，但还是建议你使用Ubuntu 16.04 LTS。这样你可以根据第1章的内容安装ROS Kinetic。
　　对于硬件要求，一般来说，任何台式计算机或笔记本电脑都满足。但是，最好使用独立显卡来运行Gazebo仿真环境。此外，最好有足够的外围接口，因为这样你可以连接几个传感器和执行器，包括摄像头和Arduino开发板。
　　你还需要Git（git-core Debian包），以便从本书提供的源代码中复制软件库。同样，你需要具备Bash命令行、GNU/Linux工具的基本知识和一些C/C++编程技巧。
　　目标读者
　　本书的目标读者包括所有机器人开发人员，可以是初学者也可以是专业人员。它涵盖了整个机器人系统的各个方面，展示了ROS如何帮助开发人员完成使机器人真正自主化的任务。对于听说过却从未使用过ROS的机器人专业学生或科研人员来说，本书将是非常有益的。ROS初学者能从本书中学习ROS软件框架的很多先进理念和工具。不仅如此，经常使用ROS的用户也可能从某些章节中学习到一些新东西。当然，只有前3章是纯粹为初学者准备的，所以那些已经使用过ROS的人可以跳过这三章直接阅读后面的章节。
　　源代码和彩色图片下载
　　本书源代码可以从华章官网www.hzbook.com下载。