基于认知深度学习的智能自主无人系统设计与开发

在人工智能（AI）“第三波浪潮”的推动下，无人系统正成为AI技术产业化的核心载体。本书以认知深度学习与AI探测车开发为主线，构建从基础工具（第1~3章）、核心技术（第4~8章）到理论深化（第9~13章）的三阶段架构，整合ROS标准化开发、UML建模与多仿真环境测试等工程方法，并配套GitHub开源代码与仿真测试资源，为读者提供兼具算法理论与工程实践的系统化指南。

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。

目 录<br /><br />译者序<br /><br />第1章 探测车平台概览1<br />1.1 本章目标2<br />1.2 认知深度学习子系统3<br />1.2.1 基本的系统组件4<br />1.2.2 系统的基本原理4<br />1.2.3 设计约束5<br />1.2.4 其他需求5<br />1.2.5 软件系统特性6<br />1.2.6 体系架构6<br />1.3 AI探测车统计分析7<br />1.3.1 底盘的选择7<br />1.3.2 机器人操作系统8<br />1.3.3 Pixhawk 4自动驾驶仪8<br />1.3.4 AI探测车任务分析8<br />1.3.5 AdruPilot任务规划器软件9<br />1.3.6 AI探测车功耗分析9<br />1.3.7 AI探测车的面向对象编程9<br />1.3.8 组件清单9<br />1.3.9 树莓派探测车套件清单10<br />1.4 本章练习10<br /><br />第2章 AI探测车平台设计与分析11<br />2.1 本章目标11<br />2.2 将问题置于应用场景中11<br />2.3 为AI探测车绘制第一版静态UML图13<br />2.4 为AI探测车绘制第一版动态UML图15<br />2.5 为AI探测车绘制第一版动态UML类图18<br />2.6 为AI探测车绘制第一版动态UML序列图20<br />2.7 本章小结24<br />2.8 本章练习25<br /><br />第3章 安装Linux和开发工具26<br />3.1 本章目标26<br />3.2 安装VirtualBox软件27<br />3.3 在VirtualBox中安装 Ubuntu 20.04.433<br />3.3.1 更新Ubuntu 20.04.440<br />3.3.2 配置Ubuntu软件仓库43<br />3.4 安装Anaconda45<br />3.5 ROS源列表46<br />3.6 ROS环境变量密钥46<br />3.7 安装ROS47<br />3.7.1 通过rosinstall安装附加库47<br />3.7.2 首次启动ROS47<br />3.7.3 添加ROS路径48<br />3.7.4 创建ROS Catkin工作空间49<br />3.7.5 Noetic ROS的最终检测50<br />3.7.6 Noetic ROS的体系架构50<br />3.7.7 简单的“Hello World”ROS测试51<br />3.7.8 ROS RQT Graph52<br />3.7.9 ROS Gazebo52<br />3.8 本章小结53<br />3.9 本章练习53<br /><br />第4章 搭建一台简单的虚拟探测车54<br />4.1 本章目标54<br />4.2 ROS、RViz和Gazebo54<br />4.3 ROS必备命令55<br />4.4 机器人可视化（RViz）55<br />4.4.1 Catkin工作空间回顾58<br />4.4.2 URDF和SDF之间的关系59<br />4.4.3 构建底盘60<br />4.4.4 使用ROSLAUNCH命令61<br />4.4.5 创建车轮和驾驶仪63<br />4.4.6 创建AI探测车的脚轮66<br />4.4.7 为AI探测车添加颜色（可选操作）66<br />4.4.8 碰撞属性68<br />4.4.9 测试AI探测车的车轮70<br />4.4.10 物理属性71<br />4.5 Gazebo简介73<br />4.5.1 Gazebo的背景信息74<br />4.5.2 启动Gazebo74<br />4.5.3 Gazebo环境的工具栏76<br />4.5.4 不可见关节面板76<br />4.5.5 Gazebo的菜单栏77<br />4.5.6 URDF向Gazebo SDF的转换78<br />4.5.7 检查URDF向Gazebo SDF的转换79<br />4.5.8 Gazebo中第一个受控AI探测车模型80<br />4.5.9 首次应用深度学习的可能性82<br />4.5.10 用关节面板移动AI探测车82<br />4.6 本章小结83<br />4.7 本章练习83<br /><br />第5章 在仿真系统中添加传感器84<br />5.1 本章目标84<br />5.2 XML宏编程语言84<br />5.3 更多XML示例86<br />5.4 重构探测车87<br />5.4.1 模块化设计的探测车88<br />5.4.2 Gazebo插件96<br />5.4.3 系统集成105<br />5.4.4 Gazebo启动文件108<br />5.4.5 Xacro和Gazebo排错109<br />5.5 探测车的远程操控（Teleop）节点110<br />5.6 可视化工具TF Graph111<br />5.7 控制探测车114<br />5.7.1 探测车的漂移问题114<br />5.7.2 第一个Python控制器114<br />5.8 构建虚拟环境116<br />5.9 本章小结116<br />5.10 本章练习116<br /><br />第6章 感知与避障118<br />6.1 本章目标118<br />6.2 理解坐标系118<br />6.3 构建探测车的环境模型119<br />6.3.1 项目的组织119<br />6.3.2 墓穴建模（简化版）120<br />6.4 激光测距滤波器的设置125<br />6.5 感知和规避障碍130<br />6.5.1 源代码分析134<br />6.5.2 解译LiDAR传感器数据136<br />6.5.3 感知和规避障碍136<br />6.5.4 执行避障代码139<br />6.6 本章小结140<br />6.7 本章练习140<br /><br />第7章 导航、SLAM和目标位置141<br />7.1 本章目标141<br />7.2 概述141<br />7.3 任务类型141<br />7.4 里程计142<br />7.4.1 探测车的局部导航142<br />7.4.2 探测车的全局导航143<br />7.4.3 获取探测车的航向（方向）143<br />7.4.4 执行rotateRobotOdom.py145<br />7.5 控制理论146<br />7.6 即时定位与地图构建148<br />7.6.1 安装SLAM及相关库148<br />7.6.2 设置SLAM库149<br />7.6.3 导航的目标及任务150<br />7.7 地图的重要性150<br />7.8 启动探测车151<br />7.8.1 创建ai_rover_world.launch151<br />7.8.2 slam_gmapping启动文件153<br />7.8.3 准备slam_gmapping包154<br />7.8.4 修改gmapping_demo.launch文件154<br />7.8.5 RViz中的gMapping155<br />7.9 最终的启动终端命令157<br />7.9.1 RViz中的地图构建配置158<br />7.9.2 检查LaserScan配置159<br />7.9.3 检查地图构建配置159<br />7.9.4 保存RViz的配置161<br />7.9.5 Noetic SLAM的补充知识163<br />7.9.6 map_server ROS节点163<br />7.9.7 保存或修改地图图像164<br />7.9.8 地图图像数据文件rover_map.pgm165<br />7.9.9 地图图像元数据文件rover_map.yaml166<br />7.9.10 ROS的Bag文件166<br />7.9.11 ROS Bag文件的重要性168<br />7.10 自适应蒙特卡罗定位（找到丢失的探测车）168<br />7.10.1 配置ROS中的AMCL节点170<br />7.10.2 定位和AMCL的重要性174<br />7.10.3 RViz中AMCL的可视化174<br />7.10.4 用RViz改变探测车的姿态179<br />7.11 为探测车的目标姿态编写程序179<br />7.11.1 Neotic ROS中的导航堆栈179<br />7.11.2 配置导航堆栈180<br />7.12 本章小结180<br /><br />第8章 OpenCV和感知181<br />8.1 本章目标181<br />8.2 概述181<br />8.3 计算机视觉简介182<br />8.3.1 固态物理学182<br />8.3.2 神经生物学182<br />8.3.3 机器人导航182<br />8.4 何谓计算机视觉182<br />8.5 OpenCV183<br />8.5.1 图像184<br />8.5.2 滤波器184<br />8.5.3 边缘检测器186<br />8.6 Numpy、SciPy、OpenCV和CV_Bridge186<br />8.7 边缘检测及其LiDAR实现193<br />8.8 启动Python文件194<br />8.8.1 pipeline_step_1194<br />8.8.2 pipeline_step_2195<br />8.8.3 pipeline_step_3196<br />8.9 构建和运行ROS数据管道应用程序197<br />8.10 用ROS启动文件启动数据管道199<br />8.11 本章小结200<br /><br />第9章 强化学习201<br />9.1 强化学习入门201<br />9.1.1 情绪识别模拟器203<br />9.1.2 强化深度学习203<br />9.1.3 计算机视觉系统203<br />9.1.4 飞行轨迹分析203<br />9.1.5 飞行员手势赋值204<br />9.1.6 强化学习智能体：根据飞行员的动作进行学习204<br />9.1.7 飞行模拟器游戏框架204<br />9.2 策略函数和效用函数206<br />9.3 本章小结206<br />参考文献206<br /><br />第10章 包容认知架构209<br />10.1 自主认知架构209<br />10.2 包容结构209<br />10.3 层与增强有限状态机210<br />10.4 使用包容认知架构的示例211<br />10.4.1 控制机器车215<br />10.4.2 控制器类和对象215<br />10.5 创建基于行为的机器人218<br />10.6 其他认知架构219<br />10.6.1 反应式认知架构219<br />10.6.2 规范操作架构219<br />10.6.3 系统和技术架构220<br />10.6.4 协商式架构221<br />10.6.5 反应式架构222<br />10.6.6 协商/反应混合式架构222<br />10.7 本章练习222<br />参考文献223<br /><br />第11章 AI探测车的地理空间导航226<br />11.1 地理空间导航的需求226<br />11.2 为何AI探测车需要知道自己身处何处228<br />11.3 地理信息系统如何为陆基探测车提供帮助229<br />11.4 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229<br />11.5 能把GIS嵌入到AI探测车中吗229<br />11.6 本章小结230<br />11.7 拓展阅读230<br /><br />第12章 Noetic ROS的深度分析与解析231<br />12.1 本章目标231<br />12.2 ROS设计哲学231<br />12.3 ROS基础232<br />12.4 Noetic ROS Catkin系统233<br />12.5 Noetic ROS中的包234<br />12.6 Noetic ROS rosrun235<br />12.7 构建探测车的大脑236<br />12.7.1 ROS1与ROS2的对比236<br />12.7.2 选择ROS1还是ROS2 237<br />12.8 ROS1、Ubuntu、Raspbian和树莓派4239<br />12.9 ROS2、Ubuntu和树莓派4239<br />12.10 ROS1、ROS2、树莓派4和探测车239<br />12.11 本章小结240<br />12.12 本章练习240<br /><br />第13章 进一步思考241<br />13.1 设计第一个任务241<br />13.1.1 手动控制241<br />13.1.2 平坦地形上的简单通道241<br />13.1.3 不平坦地形上复杂形状的通道241<br />13.1.4 不平坦地形上设有障碍的复杂开放式通道242<br />13.1.5 按需进行额外的测试242<br />13.2 AI探测车崩溃时该怎么办242<br />13.3 任务理念242<br />13.3.1 丧尸猎手242<br />13.3.2 送货上门243<br />13.3.3 住宅安保243<br />13.3.4 其他任务243<br />13.4 无论喜欢与否，我们正生活在天网时代243<br />13.5 未来的战场和天空将出现无人系统243<br />13.6 必要的对策244<br />13.7 对更先进的AI无人系统的最后一点思考244<br />13.8 本章小结244<br />参考文献245<br /><br />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<br /><br />技术缩略语表274