《机器人SLAM导航核心技术与实战》第1季:第4章_机器人传感器

视频讲解

第1季:第4章_机器人传感器

  • 先 导 课

  • 第 1 季 : 快 速 梳 理 知 识 要 点 与 学 习 方 法

  • 第 2 季 : 详 细 推 导 数 学 公 式 与 代 码 解 析

  • 第 3 季 : 代 码 实 操 以 及 真 实 机 器 人 调 试

  • 答 疑 课

------(永 久 免 费 ● 系 列 课 程 ● 长 期 更 新)------

本书内容安排

搞机器人,有必要学习硬件吗?

4.1 惯性测量单元

为什么能融合?

* IMU数据与其他传感器数据互补

* IMU数据频率很高

① 什么是九轴IMU?

三轴加速度、三轴角速度、三轴磁力、(气压)

② IMU有哪些性能参数?

量程、非线性度、零偏、轴间灵敏度、噪声密度、温偏

③ 有哪些常见的IMU芯片?

MPU9250、ADIS16405

为什么要标定?

如果IMU测量数据本身就存在很大的误差,即输入到系统的就是错误信息,

上层应用系统的算法做得再好也会输出错误结果。

均值滤波

滑动滤波

滑动中值滤波

RC低通数字滤波

IIR数字滤波

融合算法:

概率贝叶斯估计

---加权平均

---D-S证据理论

---卡尔曼滤波

---...

人工智能方法

---模糊逻辑

---人工神经网络

---...

① 卡尔曼滤波是一种很通用的思想,最优估计

信号处理、数据融合、EKF-SLAM、运动预测、自动控制

② 卡尔曼滤波,有很多变种

EKF/ESKF、UKF/CKF、SRCKF、FP_EKF

(解析法、点估计法、Square-Root Cubature KF、Fixed Point EKF)

③ 卡尔曼滤波的经典框架,要替换成具体的数学模型和数据参量

状态量(x),状态量协方差矩阵(P)

状态转移方程系数(A, B, Q)

观测方程系数(C, R)

4.2 激光雷达

三角测距

TOF(Time of Fly)测距

laser_filters功能包:

LaserArrayFilter 将雷达数据存入数组便于后续处理

ScanShadowsFilter 滤除因自身遮挡而产生的干扰数据

InterpolationFilter 在可信任的扫描点之间插值

LaserScanIntensityFilter 滤除在设定强度阈值之外的数据

LaserScanRangeFilter 滤除在设定距离范围之外的数据

LaserScanAngularBoundsFilter 滤除在设定扫描角度范围之外的数据

LaserScanAngularBoundsFilterInPlace 滤除在设定扫描角度范围之内的数据

LaserScanBoxFilter 滤除在设定区域范围之内的数据

PCL点云库:

segmentation 分割

Features 特征描述与提取

Visualization 可视化

Surface 曲面重建

Recognition 识别

Search 检索

Registration 配准

Keypoints 关键点

Filters 滤波

Sample consensus 采样一致性

octree 八叉树

common 通用模块

IO 输入输出

kdtree k维树

4.3 相机

单目相机

双目相机

RGB-D相机

ROS驱动功能包usb_cam

ROS驱动功能包gscam

自制基于OpenCV的驱动功能包

4.4 带编码器的减速电机

电机

电机驱动电路

电机控制主板

轮式里程计

例程源码下载

课件下载

  • PPT课件下载:

http://xiihoo.com/static/file/PPT/1-%E7%AC%AC1%E5%AD%A3%EF%BC%9A%E7%AC%AC4%E7%AB%A0_%E6%9C%BA%E5%99%A8%E4%BA%BA%E4%BC%A0%E6%84%9F%E5%99%A8.pptx

  • PDF课件下载:

http://xiihoo.com/static/file/PPT/1-%E7%AC%AC1%E5%AD%A3%EF%BC%9A%E7%AC%AC4%E7%AB%A0_%E6%9C%BA%E5%99%A8%E4%BA%BA%E4%BC%A0%E6%84%9F%E5%99%A8.pdf

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
SLAM导航机器人零基础实战系列》讲义 第1:Linux基础 1.Linux简介 2.安装Linux发行版ubuntu系统 3.Linux命令行基础操作 第2:ROS入门 1.ROS是什么 2.ROS系统整体架构 3.在ubuntu16.04中安装ROS kinetic 4.如何编写ROS的第一个程序hello_world 5.编写简单的消息发布器和订阅器 6.编写简单的service和client 7.理解tf的原理 8.理解roslaunch在大型项目中的作用 9.熟练使用rviz 10.在实际机器人上运行ROS高级功能预览 第3:感知与大脑 1.ydlidar-x4激光雷达 2.带自校准九轴数据融合IMU惯性传感器 3.轮式里程计与运动控制 4.音响麦克风与摄像头 5.机器人大脑嵌入式主板性能对比 6.做一个能走路和对话的机器人 第4:差分底盘设计 1.stm32主控硬件设计 2.stm32主控软件设计 3.底盘通信协议 4.底盘ROS驱动开发 5.底盘PID控制参数整定 6.底盘里程计标 第5:树莓派3开发环境搭建 1.安装系统ubuntu_mate_16.04 2.安装ros-kinetic 3.装机后一些实用软件安装和系统设置 4.PC端与robot端ROS网络通信 5.Android手机端与robot端ROS网络通信 6.树莓派USB与tty串口号绑定 7.开机自启动ROS节点 第6SLAM建图与自主避障导航 1.在机器人上使用传感器 2.google-cartographer机器人SLAM建图 3.ros-navigation机器人自主避障导航 4.多目标点导航及任务调度 5.机器人巡航与现场监控 第7:语音交互与自然语言处理 1.语音交互相关技术 2.机器人语音交互实现 3.自然语言处理云计算引擎
机器人SLAM导航是指同时定位和地图构建技术。该技术主要依靠机器人自身的传感器和算法,实现在未知环境中的自主导航和地图生成。 机器人SLAM导航核心技术主要包括以下几个方面: 1. 传感器融合:机器人使用多种传感器,如激光雷达、摄像头、惯性测量单元等,通过将不同传感器的数据进行融合处理,提高导航的准确性和稳定性。 2. 运动估计:机器人需要通过分析传感器数据和运动模型,估计自身在空间中的位置和姿态,以实现自主导航。 3. 地图构建:机器人传感器获取的数据中提取环境特征,如墙壁、门、家具等,生成地图。同时,机器人还要实时更新地图,以应对环境的变化。 4. 数据关联:机器人需要将不同时刻和不同传感器获取的数据相关联,以实现建立准确的地图。 机器人SLAM导航在实际应用中有广泛的应用。它可以用于室内导航,如自动驾驶车辆在无人停车场的定位和导航;也可以用于室外环境,如无人机在未知地区的搜索和救援。此外,SLAM技术还可以应用于工业自动化领域,实现机器人在工厂生产线上的自主导航和物料运输。 机器人SLAM导航实战电子书可以提供对SLAM导航技术的深入理解和实践经验。电子书中会介绍SLAM导航的基本原理、算法和实现方法,以及在不同场景下的应用案例。读者可以通过学习电子书,了解SLAM导航技术的最新进展,掌握实践中常用的工具和技巧,从而在实际项目中应用SLAM导航技术。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值