基于认知深度学习的智能自主无人系统设计与开发 [美]大卫·艾伦·布吕博等 [美]大卫·艾伦·布吕博_[美]大卫·艾伦·布吕博(David Allen Blubaugh),[美]斯蒂芬·D.哈伯(Stephen D.Harbour),[美]本杰明·西尔斯(Benjamin Sears),[美]迈克尔·_9787111786955

本书以认知深度学习和无人探测车的制作为主线，介绍了构建智能自主无人探测车的各项关键技术，希望能为有志于人工智能行业的读者在实践上提供帮助。本书第1~3章对成功搭建无人探测车的基础知识和必要工具进行了介绍；第4~8章对无人探测车所涉及的操作系统、开发环境、模拟环境、导航和控制、即时地图生成、计算机视觉等重要技术进行了全面的阐述；第9~13章视为理论深化部分，希冀读者能在前面实践的基础上更全面地掌握相关理论和技术，从而提升自己在实际工作中的规划和设计能力。本书主要面向人工智能无人系统相关领域的工程师、研究生和业余爱好者。

译者序近年来随着深度学习、强化学习的高速发展，人工智能迎来了自己的“第三波浪潮”。人们迫切希望将人工智能的最新成果与传统行业结合起来，创造出新的产品，替代人类去完成一些危险或不方便从事的工作。于是，无人机、无人车辆、无人潜航器等让人眼花缭乱的产品应运而生，也促进了若干行业新风口的诞生。在这个大背景下，越来越多的从业人员或爱好者热切地希望自己能尽快投身到人工智能的开发中，并创造出属于自己的优秀产品。为此，机械工业出版社引入了这本书，书中以认知深度学习和无人探测车的制作为主线，介绍了构建智能自主无人探测车的各项关键技术，希望能为有志于投身人工智能行业的读者在实践上提供帮助。全书共分为13章和3个附录，正文可以划分为三个部分，第一部分为第1~3章，对成功搭建无人探测车的基础知识和必要工具进行了介绍；第二部分为第4~8章，对无人探测车所涉及的操作系统、开发环境、仿真环境、导航和控制、即时地图生成、计算机视觉等重要技术进行了全面的阐述；第三部分为第9~13章，可以视为理论深化部分，希冀读者能在前面实践的基础上更全面地掌握相关理论和技术，从而提升自己在实际工作中的规划和设计能力。书中的源代码可以在https://github.com/Apress/Intelligent-Autonomous-Drones-with-Cognitive-Deep-Learning上获取。本书内容详尽，实例丰富，将理论与实践相结合，是一本难得的好书。全书由胡训强（第4~8章及附录）、倪小清（第1~3章及第9、10章）、徐瑜（第11~13章）共同翻译完成。我们很荣幸能成为本书的译者，在这里要感谢机械工业出版社的编辑给予我们的信任。由于人工智能及相关技术的进展日新月异，加之译者的技术和语言水平有限，书中难免会出现不准确甚至错误之处，恳请读者通过邮箱10185014@qq.com告知我们，在此向您表示感谢！最后，感谢所有为本书顺利付梓而付出艰辛劳动的人们！译者2024年12月于广州

目录译者序第1章探测车平台概览11.1 本章目标21.2 认知深度学习子系统31.2.1 基本的系统组件41.2.2 系统的基本原理41.2.3 设计约束51.2.4 其他需求51.2.5 软件系统特性61.2.6 体系架构61.3 AI探测车统计分析71.3.1 底盘的选择71.3.2 机器人操作系统81.3.3 Pixhawk 4自动驾驶仪81.3.4 AI探测车任务分析81.3.5 AdruPilot任务规划器软件91.3.6 AI探测车功耗分析91.3.7 AI探测车的面向对象编程91.3.8 组件清单91.3.9 树莓派探测车套件清单101.4 本章练习10第2章 AI探测车平台设计与分析112.1 本章目标112.2 将问题置于应用场景中112.3 为AI探测车绘制第一版静态UML图132.4 为AI探测车绘制第一版动态UML图152.5 为AI探测车绘制第一版动态UML类图182.6 为AI探测车绘制第一版动态UML序列图202.7 本章小结242.8 本章练习25第3章安装Linux和开发工具263.1 本章目标263.2 安装VirtualBox软件273.3 在VirtualBox中安装 Ubuntu 20.04.4333.3.1 更新Ubuntu 20.04.4403.3.2 配置Ubuntu软件仓库433.4 安装Anaconda453.5 ROS源列表463.6 ROS环境变量密钥463.7 安装ROS473.7.1 通过rosinstall安装附加库473.7.2 首次启动ROS473.7.3 添加ROS路径483.7.4 创建ROS Catkin工作空间493.7.5 Noetic ROS的最终检测503.7.6 Noetic ROS的体系架构503.7.7 简单的“Hello World”ROS测试513.7.8 ROS RQT Graph523.7.9 ROS Gazebo523.8 本章小结533.9 本章练习53第4章搭建一台简单的虚拟探测车544.1 本章目标544.2 ROS、RViz和Gazebo544.3 ROS命令554.4 机器人可视化（RViz）554.4.1 Catkin工作空间回顾584.4.2 URDF和SDF之间的关系594.4.3 构建底盘604.4.4 使用ROSLAUNCH命令614.4.5 创建车轮和驾驶仪634.4.6 创建AI探测车的脚轮664.4.7 为AI探测车添加颜色（可选操作）664.4.8 碰撞属性684.4.9 测试AI探测车的车轮704.4.10 物理属性714.5 Gazebo简介734.5.1 Gazebo的背景信息744.5.2 启动Gazebo744.5.3 Gazebo环境的工具栏764.5.4 不可见关节面板764.5.5 Gazebo的菜单栏774.5.6 URDF向Gazebo SDF的转换784.5.7 检查URDF向Gazebo SDF的转换794.5.8 Gazebo中第一个受控AI探测车模型804.5.9 首次应用深度学习的可能性824.5.10 用关节面板移动AI探测车824.6 本章小结834.7 本章练习83第5章在仿真系统中添加传感器845.1 本章目标845.2 XML宏编程语言845.3 更多XML示例865.4 重构探测车875.4.1 模块化设计的探测车885.4.2 Gazebo插件965.4.3 系统集成1055.4.4 Gazebo启动文件1085.4.5 Xacro和Gazebo排错1095.5 探测车的远程操控（Teleop）节点1105.6 可视化工具TF Graph1115.7 控制探测车1145.7.1 探测车的漂移问题1145.7.2 第一个Python控制器1145.8 构建虚拟环境1165.9 本章小结1165.10 本章练习116第6章感知与避障1186.1 本章目标1186.2 理解坐标系1186.3 构建探测车的环境模型1196.3.1 项目的组织1196.3.2 墓穴建模（简化版）1206.4 激光测距滤波器的设置1256.5 感知和规避障碍1306.5.1 源代码分析1346.5.2 解译LiDAR传感器数据1366.5.3 感知和规避障碍1366.5.4 执行避障代码1396.6 本章小结1406.7 本章练习140第7章导航、SLAM和目标位置1417.1 本章目标1417.2 概述1417.3 任务类型1417.4 里程计1427.4.1 探测车的局部导航1427.4.2 探测车的全局导航1437.4.3 获取探测车的航向（方向）1437.4.4 执行rotateRobotOdom.py1457.5 控制理论1467.6 即时定位与地图构建1487.6.1 安装SLAM及相关库1487.6.2 设置SLAM库1497.6.3 导航的目标及任务1507.7 地图的重要性1507.8 启动探测车1517.8.1 创建ai_rover_world.launch1517.8.2 slam_gmapping启动文件1537.8.3 准备slam_gmapping包1547.8.4 修改gmapping_demo.launch文件1547.8.5 RViz中的gMapping1557.9 最终的启动终端命令1577.9.1 RViz中的地图构建配置1587.9.2 检查LaserScan配置1597.9.3 检查地图构建配置1597.9.4 保存RViz的配置1617.9.5 Noetic SLAM的补充知识1637.9.6 map_server ROS节点1637.9.7 保存或修改地图图像1647.9.8 地图图像数据文件rover_map.pgm1657.9.9 地图图像元数据文件rover_map.yaml1667.9.10 ROS的Bag文件1667.9.11 ROS Bag文件的重要性1687.10 自适应蒙特卡罗定位（找到丢失的探测车）1687.10.1 配置ROS中的AMCL节点1707.10.2 定位和AMCL的重要性1747.10.3 RViz中AMCL的可视化1747.10.4 用RViz改变探测车的姿态1797.11 为探测车的目标姿态编写程序1797.11.1 Neotic ROS中的导航堆栈1797.11.2 配置导航堆栈1807.12 本章小结180第8章 OpenCV和感知1818.1 本章目标1818.2 概述1818.3 计算机视觉简介1828.3.1 固态物理学1828.3.2 神经生物学1828.3.3 机器人导航1828.4 何谓计算机视觉1828.5 OpenCV1838.5.1 图像1848.5.2 滤波器1848.5.3 边缘检测器1868.6 Numpy、SciPy、OpenCV和CV_Bridge1868.7 边缘检测及其LiDAR实现1938.8 启动Python文件1948.8.1 pipeline_step_11948.8.2 pipeline_step_21958.8.3 pipeline_step_31968.9 构建和运行ROS数据管道应用程序1978.10 用ROS启动文件启动数据管道1998.11 本章小结200第9章强化学习2019.1 强化学习入门2019.1.1 情绪识别模拟器2039.1.2 强化深度学习2039.1.3 计算机视觉系统2039.1.4 飞行轨迹分析2039.1.5 飞行员手势赋值2049.1.6 强化学习智能体：根据飞行员的动作进行学习2049.1.7 飞行模拟器游戏框架2049.2 策略函数和效用函数2069.3 本章小结206参考文献206第10章包容认知架构20910.1 自主认知架构20910.2 包容结构20910.3 层与增强有限状态机21010.4 使用包容认知架构的示例21110.4.1 控制机器车21510.4.2 控制器类和对象21510.5 创建基于行为的机器人21810.6 其他认知架构21910.6.1 反应式认知架构21910.6.2 规范操作架构21910.6.3 系统和技术架构22010.6.4 协商式架构22110.6.5 反应式架构22210.6.6 协商/反应混合式架构22210.7 本章练习222参考文献223第11章 AI探测车的地理空间导航22611.1 地理空间导航的需求22611.2 为何AI探测车需要知道自己身处何处22811.3 地理信息系统如何为陆基探测车提供帮助22911.4 我们会使用哪个GIS软件包，它能和基于ROS的探测车结合使用吗22911.5 能把GIS嵌入到AI探测车中吗22911.6 本章小结23011.7 拓展阅读230第12章 Noetic ROS的深度分析与解析23112.1 本章目标23112.2 ROS设计哲学23112.3 ROS基础23212.4 Noetic ROS Catkin系统23312.5 Noetic ROS中的包23412.6 Noetic ROS rosrun23512.7 构建探测车的大脑23612.7.1 ROS1与ROS2的对比23612.7.2 选择ROS1还是ROS2 23712.8 ROS1、Ubuntu、Raspbian和树莓派423912.9 ROS2、Ubuntu和树莓派423912.10 ROS1、ROS2、树莓派4和探测车23912.11 本章小结24012.12 本章练习240第13章进一步思考24113.1 设计第一个任务24113.1.1 手动控制24113.1.2 平坦地形上的简单通道24113.1.3 不平坦地形上复杂形状的通道24113.1.4 不平坦地形上设有障碍的复杂开放式通道24213.1.5 按需进行额外的测试24213.2 AI探测车崩溃时该怎么办24213.3 任务理念24213.3.1 丧尸猎手24213.3.2 送货上门24313.3.3 住宅安保24313.3.4 其他任务24313.4 无论喜欢与否，我们正生活在天网时代24313.5 未来的战场和天空将出现无人系统24313.6 必要的对策24413.7 对更先进的AI无人系统的最后一点思考24413.8 本章小结244参考文献245附录A 贝叶斯深度学习246附录B OpenAI Gym252附录C 人工智能和机器学习研究的未来273技术缩略语表274

你还可能感兴趣

我要评论