基于認(rèn)知深度學(xué)習(xí)的智能自主無(wú)人系統(tǒng)設(shè)計(jì)與開(kāi)發(fā) [美]大衛(wèi)·艾倫·布呂博 等 [美]大衛(wèi)·艾倫·布呂博
定 價(jià)：109 元
- 作者：[美]大衛(wèi)·艾倫·布呂博(David Allen Blubaugh),[美]斯蒂芬·D.哈伯(Stephen D.Harbour),[美]本杰明·西爾斯(Benjamin Sears),[美]邁克爾·
- 出版時(shí)間：2025/9/1
- ISBN：9787111786955
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類(lèi)：
- 頁(yè)碼：
- 紙張：膠版紙
- 版次：
- 開(kāi)本：16開(kāi)
本書(shū)以認(rèn)知深度學(xué)習(xí)和無(wú)人探測(cè)車(chē)的制作為主線(xiàn)，介紹了構(gòu)建智能自主無(wú)人探測(cè)車(chē)的各項(xiàng)關(guān)鍵技術(shù)，希望能為有志于人工智能行業(yè)的讀者在實(shí)踐上提供幫助。本書(shū)第1~3章對(duì)成功搭建無(wú)人探測(cè)車(chē)的基礎(chǔ)知識(shí)和必要工具進(jìn)行了介紹；第4~8章對(duì)無(wú)人探測(cè)車(chē)所涉及的操作系統(tǒng)、開(kāi)發(fā)環(huán)境、模擬環(huán)境、導(dǎo)航和控制、即時(shí)地圖生成、計(jì)算機(jī)視覺(jué)等重要技術(shù)進(jìn)行了全面的闡述；第9~13章視為理論深化部分，希冀讀者能在前面實(shí)踐的基礎(chǔ)上更全面地掌握相關(guān)理論和技術(shù)，從而提升自己在實(shí)際工作中的規(guī)劃和設(shè)計(jì)能力。本書(shū)主要面向人工智能無(wú)人系統(tǒng)相關(guān)領(lǐng)域的工程師、研究生和業(yè)余愛(ài)好者。
在人工智能（AI）“第三波浪潮”的推動(dòng)下，無(wú)人系統(tǒng)正成為AI技術(shù)產(chǎn)業(yè)化的核心載體。本書(shū)以認(rèn)知深度學(xué)習(xí)與AI探測(cè)車(chē)開(kāi)發(fā)為主線(xiàn)，構(gòu)建從基礎(chǔ)工具（第1~3章）、核心技術(shù)（第4~8章）到理論深化（第9~13章）的三階段架構(gòu)，整合ROS標(biāo)準(zhǔn)化開(kāi)發(fā)、UML建模與多仿真環(huán)境測(cè)試等工程方法，并配套GitHub開(kāi)源代碼與仿真測(cè)試資源，為讀者提供兼具算法理論與工程實(shí)踐的系統(tǒng)化指南。
譯 者序近年來(lái)隨著深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)的高速發(fā)展，人工智能迎來(lái)了自己的“第三波浪潮”。人們迫切希望將人工智能的最新成果與傳統(tǒng)行業(yè)結(jié)合起來(lái)，創(chuàng)造出新的產(chǎn)品，替代人類(lèi)去完成一些危險(xiǎn)或不方便從事的工作。于是，無(wú)人機(jī)、無(wú)人車(chē)輛、無(wú)人潛航器等讓人眼花繚亂的產(chǎn)品應(yīng)運(yùn)而生，也促進(jìn)了若干行業(yè)新風(fēng)口的誕生。在這個(gè)大背景下，越來(lái)越多的從業(yè)人員或愛(ài)好者熱切地希望自己能盡快投身到人工智能的開(kāi)發(fā)中，并創(chuàng)造出屬于自己的優(yōu)秀產(chǎn)品。為此，機(jī)械工業(yè)出版社引入了這本書(shū)，書(shū)中以認(rèn)知深度學(xué)習(xí)和無(wú)人探測(cè)車(chē)的制作為主線(xiàn)，介紹了構(gòu)建智能自主無(wú)人探測(cè)車(chē)的各項(xiàng)關(guān)鍵技術(shù)，希望能為有志于投身人工智能行業(yè)的讀者在實(shí)踐上提供幫助。全書(shū)共分為13章和3個(gè)附錄，正文可以劃分為三個(gè)部分，第一部分為第1~3章，對(duì)成功搭建無(wú)人探測(cè)車(chē)的基礎(chǔ)知識(shí)和必要工具進(jìn)行了介紹；第二部分為第4~8章，對(duì)無(wú)人探測(cè)車(chē)所涉及的操作系統(tǒng)、開(kāi)發(fā)環(huán)境、仿真環(huán)境、導(dǎo)航和控制、即時(shí)地圖生成、計(jì)算機(jī)視覺(jué)等重要技術(shù)進(jìn)行了全面的闡述；第三部分為第9~13章，可以視為理論深化部分，希冀讀者能在前面實(shí)踐的基礎(chǔ)上更全面地掌握相關(guān)理論和技術(shù)，從而提升自己在實(shí)際工作中的規(guī)劃和設(shè)計(jì)能力。書(shū)中的源代碼可以在https://github.com/Apress/Intelligent-Autonomous-Drones-with-Cognitive-Deep-Learning上獲取。本書(shū)內(nèi)容詳盡，實(shí)例豐富，將理論與實(shí)踐相結(jié)合，是一本難得的好書(shū)。全書(shū)由胡訓(xùn)強(qiáng)（第4~8章及附錄）、倪小清（第1~3章及第9、10章）、徐瑜（第11~13章）共同翻譯完成。我們很榮幸能成為本書(shū)的譯者，在這里要感謝機(jī)械工業(yè)出版社的編輯給予我們的信任。由于人工智能及相關(guān)技術(shù)的進(jìn)展日新月異，加之譯者的技術(shù)和語(yǔ)言水平有限，書(shū)中難免會(huì)出現(xiàn)不準(zhǔn)確甚至錯(cuò)誤之處，懇請(qǐng)讀者通過(guò)郵箱10185014@qq.com告知我們，在此向您表示感謝！最后，感謝所有為本書(shū)順利付梓而付出艱辛勞動(dòng)的人們！譯者2024年12月于廣州
大衛(wèi)·艾倫·布呂博(David Allen Blubaugh)經(jīng)驗(yàn)豐富的計(jì)算機(jī)和電氣工程師，目前在ATR公司工作，并和Benjamin Sears一起在辛克萊學(xué)院進(jìn)修無(wú)人機(jī)操作員學(xué)位課程。David對(duì)于MSP 430微控制器和樹(shù)莓派4之類(lèi)的嵌入式系統(tǒng)擁有豐富的開(kāi)發(fā)經(jīng)驗(yàn)。斯蒂芬·D.哈伯(Steven D. Harbour)美國(guó)西南研究所代頓工程高級(jí)項(xiàng)目實(shí)驗(yàn)室的主管工程師和科學(xué)家。他是美國(guó)國(guó)防研究和工程的專(zhuān)業(yè)人士，在工程及航空學(xué)科和多個(gè)應(yīng)用領(lǐng)域擁有超過(guò)25年的經(jīng)驗(yàn)。他領(lǐng)導(dǎo)和運(yùn)營(yíng)了很多正在進(jìn)行當(dāng)中的基礎(chǔ)和應(yīng)用研究項(xiàng)目，包括第三代尖峰神經(jīng)網(wǎng)絡(luò)、神經(jīng)形態(tài)工程以及包括人機(jī)協(xié)作在內(nèi)的神經(jīng)形態(tài)應(yīng)用的開(kāi)發(fā)。本杰明·西爾斯(Benjamin Sears)具有多年無(wú)人機(jī)飛行員/操作員工作經(jīng)驗(yàn)，深入理解無(wú)人機(jī)任務(wù)和機(jī)組人員資源管理背后的理論。邁克爾·J.芬德勒(Michael J. Findler)萊特州立大學(xué)講師，具有嵌入式系統(tǒng)的開(kāi)發(fā)經(jīng)驗(yàn)，目前在人工智能的各個(gè)領(lǐng)域從事開(kāi)發(fā)工作。
目 錄譯者序第1章 探測(cè)車(chē)平臺(tái)概覽11.1 本章目標(biāo)21.2 認(rèn)知深度學(xué)習(xí)子系統(tǒng)31.2.1 基本的系統(tǒng)組件41.2.2 系統(tǒng)的基本原理41.2.3 設(shè)計(jì)約束51.2.4 其他需求51.2.5 軟件系統(tǒng)特性61.2.6 體系架構(gòu)61.3 AI探測(cè)車(chē)統(tǒng)計(jì)分析71.3.1 底盤(pán)的選擇71.3.2 機(jī)器人操作系統(tǒng)81.3.3 Pixhawk 4自動(dòng)駕駛儀81.3.4 AI探測(cè)車(chē)任務(wù)分析81.3.5 AdruPilot任務(wù)規(guī)劃器軟件91.3.6 AI探測(cè)車(chē)功耗分析91.3.7 AI探測(cè)車(chē)的面向?qū)ο缶幊?1.3.8 組件清單91.3.9 樹(shù)莓派探測(cè)車(chē)套件清單101.4 本章練習(xí)10第2章 AI探測(cè)車(chē)平臺(tái)設(shè)計(jì)與分析112.1 本章目標(biāo)112.2 將問(wèn)題置于應(yīng)用場(chǎng)景中112.3 為AI探測(cè)車(chē)?yán)L制第一版靜態(tài)UML圖132.4 為AI探測(cè)車(chē)?yán)L制第一版動(dòng)態(tài)UML圖152.5 為AI探測(cè)車(chē)?yán)L制第一版動(dòng)態(tài)UML類(lèi)圖182.6 為AI探測(cè)車(chē)?yán)L制第一版動(dòng)態(tài)UML序列圖202.7 本章小結(jié)242.8 本章練習(xí)25第3章 安裝Linux和開(kāi)發(fā)工具263.1 本章目標(biāo)263.2 安裝VirtualBox軟件273.3 在VirtualBox中安裝 Ubuntu 20.04.4333.3.1 更新Ubuntu 20.04.4403.3.2 配置Ubuntu軟件倉(cāng)庫(kù)433.4 安裝Anaconda453.5 ROS源列表463.6 ROS環(huán)境變量密鑰463.7 安裝ROS473.7.1 通過(guò)rosinstall安裝附加庫(kù)473.7.2 首次啟動(dòng)ROS473.7.3 添加ROS路徑483.7.4 創(chuàng)建ROS Catkin工作空間493.7.5 Noetic ROS的最終檢測(cè)503.7.6 Noetic ROS的體系架構(gòu)503.7.7 簡(jiǎn)單的“Hello World”ROS測(cè)試513.7.8 ROS RQT Graph523.7.9 ROS Gazebo523.8 本章小結(jié)533.9 本章練習(xí)53第4章 搭建一臺(tái)簡(jiǎn)單的虛擬探測(cè)車(chē)544.1 本章目標(biāo)544.2 ROS、RViz和Gazebo544.3 ROS命令554.4 機(jī)器人可視化（RViz）554.4.1 Catkin工作空間回顧584.4.2 URDF和SDF之間的關(guān)系594.4.3 構(gòu)建底盤(pán)604.4.4 使用ROSLAUNCH命令614.4.5 創(chuàng)建車(chē)輪和駕駛儀634.4.6 創(chuàng)建AI探測(cè)車(chē)的腳輪664.4.7 為AI探測(cè)車(chē)添加顏色（可選操作）664.4.8 碰撞屬性684.4.9 測(cè)試AI探測(cè)車(chē)的車(chē)輪704.4.10 物理屬性714.5 Gazebo簡(jiǎn)介734.5.1 Gazebo的背景信息744.5.2 啟動(dòng)Gazebo744.5.3 Gazebo環(huán)境的工具欄764.5.4 不可見(jiàn)關(guān)節(jié)面板764.5.5 Gazebo的菜單欄774.5.6 URDF向Gazebo SDF的轉(zhuǎn)換784.5.7 檢查URDF向Gazebo SDF的轉(zhuǎn)換794.5.8 Gazebo中第一個(gè)受控AI探測(cè)車(chē)模型804.5.9 首次應(yīng)用深度學(xué)習(xí)的可能性824.5.10 用關(guān)節(jié)面板移動(dòng)AI探測(cè)車(chē)824.6 本章小結(jié)834.7 本章練習(xí)83第5章 在仿真系統(tǒng)中添加傳感器845.1 本章目標(biāo)845.2 XML宏編程語(yǔ)言845.3 更多XML示例865.4 重構(gòu)探測(cè)車(chē)875.4.1 模塊化設(shè)計(jì)的探測(cè)車(chē)885.4.2 Gazebo插件965.4.3 系統(tǒng)集成1055.4.4 Gazebo啟動(dòng)文件1085.4.5 Xacro和Gazebo排錯(cuò)1095.5 探測(cè)車(chē)的遠(yuǎn)程操控（Teleop）節(jié)點(diǎn)1105.6 可視化工具TF Graph1115.7 控制探測(cè)車(chē)1145.7.1 探測(cè)車(chē)的漂移問(wèn)題1145.7.2 第一個(gè)Python控制器1145.8 構(gòu)建虛擬環(huán)境1165.9 本章小結(jié)1165.10 本章練習(xí)116第6章 感知與避障1186.1 本章目標(biāo)1186.2 理解坐標(biāo)系1186.3 構(gòu)建探測(cè)車(chē)的環(huán)境模型1196.3.1 項(xiàng)目的組織1196.3.2 墓穴建模（簡(jiǎn)化版）1206.4 激光測(cè)距濾波器的設(shè)置1256.5 感知和規(guī)避障礙1306.5.1 源代碼分析1346.5.2 解譯LiDAR傳感器數(shù)據(jù)1366.5.3 感知和規(guī)避障礙1366.5.4 執(zhí)行避障代碼1396.6 本章小結(jié)1406.7 本章練習(xí)140第7章 導(dǎo)航、SLAM和目標(biāo)位置1417.1 本章目標(biāo)1417.2 概述1417.3 任務(wù)類(lèi)型1417.4 里程計(jì)1427.4.1 探測(cè)車(chē)的局部導(dǎo)航1427.4.2 探測(cè)車(chē)的全局導(dǎo)航1437.4.3 獲取探測(cè)車(chē)的航向（方向）1437.4.4 執(zhí)行rotateRobotOdom.py1457.5 控制理論1467.6 即時(shí)定位與地圖構(gòu)建1487.6.1 安裝SLAM及相關(guān)庫(kù)1487.6.2 設(shè)置SLAM庫(kù)1497.6.3 導(dǎo)航的目標(biāo)及任務(wù)1507.7 地圖的重要性1507.8 啟動(dòng)探測(cè)車(chē)1517.8.1 創(chuàng)建ai_rover_world.launch1517.8.2 slam_gmapping啟動(dòng)文件1537.8.3 準(zhǔn)備slam_gmapping包1547.8.4 修改gmapping_demo.launch文件1547.8.5 RViz中的gMapping1557.9 最終的啟動(dòng)終端命令1577.9.1 RViz中的地圖構(gòu)建配置1587.9.2 檢查L(zhǎng)aserScan配置1597.9.3 檢查地圖構(gòu)建配置1597.9.4 保存RViz的配置1617.9.5 Noetic SLAM的補(bǔ)充知識(shí)1637.9.6 map_server ROS節(jié)點(diǎn)1637.9.7 保存或修改地圖圖像1647.9.8 地圖圖像數(shù)據(jù)文件rover_map.pgm1657.9.9 地圖圖像元數(shù)據(jù)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 自適應(yīng)蒙特卡羅定位（找到丟失的探測(cè)車(chē)）1687.10.1 配置ROS中的AMCL節(jié)點(diǎn)1707.10.2 定位和AMCL的重要性1747.10.3 RViz中AMCL的可視化1747.10.4 用RViz改變探測(cè)車(chē)的姿態(tài)1797.11 為探測(cè)車(chē)的目標(biāo)姿態(tài)編寫(xiě)程序1797.11.1 Neotic ROS中的導(dǎo)航堆棧1797.11.2 配置導(dǎo)航堆棧1807.12 本章小結(jié)180第8章 OpenCV和感知1818.1 本章目標(biāo)1818.2 概述1818.3 計(jì)算機(jī)視覺(jué)簡(jiǎn)介1828.3.1 固態(tài)物理學(xué)1828.3.2 神經(jīng)生物學(xué)1828.3.3 機(jī)器人導(dǎo)航1828.4 何謂計(jì)算機(jī)視覺(jué)1828.5 OpenCV1838.5.1 圖像1848.5.2 濾波器1848.5.3 邊緣檢測(cè)器1868.6 Numpy、SciPy、OpenCV和CV_Bridge1868.7 邊緣檢測(cè)及其LiDAR實(shí)現(xiàn)1938.8 啟動(dòng)Python文件1948.8.1 pipeline_step_11948.8.2 pipeline_step_21958.8.3 pipeline_step_31968.9 構(gòu)建和運(yùn)行ROS數(shù)據(jù)管道應(yīng)用程序1978.10 用ROS啟動(dòng)文件啟動(dòng)數(shù)據(jù)管道1998.11 本章小結(jié)200第9章 強(qiáng)化學(xué)習(xí)2019.1 強(qiáng)化學(xué)習(xí)入門(mén)2019.1.1 情緒識(shí)別模擬器2039.1.2 強(qiáng)化深度學(xué)習(xí)2039.1.3 計(jì)算機(jī)視覺(jué)系統(tǒng)2039.1.4 飛行軌跡分析2039.1.5 飛行員手勢(shì)賦值2049.1.6 強(qiáng)化學(xué)習(xí)智能體：根據(jù)飛行員的動(dòng)作進(jìn)行學(xué)習(xí)2049.1.7 飛行模擬器游戲框架2049.2 策略函數(shù)和效用函數(shù)2069.3 本章小結(jié)206參考文獻(xiàn)206第10章 包容認(rèn)知架構(gòu)20910.1 自主認(rèn)知架構(gòu)20910.2 包容結(jié)構(gòu)20910.3 層與增強(qiáng)有限狀態(tài)機(jī)21010.4 使用包容認(rèn)知架構(gòu)的示例21110.4.1 控制機(jī)器車(chē)21510.4.2 控制器類(lèi)和對(duì)象21510.5 創(chuàng)建基于行為的機(jī)器人21810.6 其他認(rèn)知架構(gòu)21910.6.1 反應(yīng)式認(rèn)知架構(gòu)21910.6.2 規(guī)范操作架構(gòu)21910.6.3 系統(tǒng)和技術(shù)架構(gòu)22010.6.4 協(xié)商式架構(gòu)22110.6.5 反應(yīng)式架構(gòu)22210.6.6 協(xié)商/反應(yīng)混合式架構(gòu)22210.7 本章練習(xí)222參考文獻(xiàn)223第11章 AI探測(cè)車(chē)的地理空間導(dǎo)航22611.1 地理空間導(dǎo)航的需求22611.2 為何AI探測(cè)車(chē)需要知道自己身處何處22811.3 地理信息系統(tǒng)如何為陸基探測(cè)車(chē)提供幫助22911.4 我們會(huì)使用哪個(gè)GIS軟件包，它能和基于ROS的探測(cè)車(chē)結(jié)合使用嗎22911.5 能把GIS嵌入到AI探測(cè)車(chē)中嗎22911.6 本章小結(jié)23011.7 拓展閱讀230第12章 Noetic ROS的深度分析與解析23112.1 本章目標(biāo)23112.2 ROS設(shè)計(jì)哲學(xué)23112.3 ROS基礎(chǔ)23212.4 Noetic ROS Catkin系統(tǒng)23312.5 Noetic ROS中的包23412.6 Noetic ROS rosrun23512.7 構(gòu)建探測(cè)車(chē)的大腦23612.7.1 ROS1與ROS2的對(duì)比23612.7.2 選擇ROS1還是ROS2 23712.8 ROS1、Ubuntu、Raspbian和樹(shù)莓派423912.9 ROS2、Ubuntu和樹(shù)莓派423912.10 ROS1、ROS2、樹(shù)莓派4和探測(cè)車(chē)23912.11 本章小結(jié)24012.12 本章練習(xí)240第13章 進(jìn)一步思考24113.1 設(shè)計(jì)第一個(gè)任務(wù)24113.1.1 手動(dòng)控制24113.1.2 平坦地形上的簡(jiǎn)單通道24113.1.3 不平坦地形上復(fù)雜形狀的通道24113.1.4 不平坦地形上設(shè)有障礙的復(fù)雜開(kāi)放式通道24213.1.5 按需進(jìn)行額外的測(cè)試24213.2 AI探測(cè)車(chē)崩潰時(shí)該怎么辦24213.3 任務(wù)理念24213.3.1 喪尸獵手24213.3.2 送貨上門(mén)24313.3.3 住宅安保24313.3.4 其他任務(wù)24313.4 無(wú)論喜歡與否，我們正生活在天網(wǎng)時(shí)代24313.5 未來(lái)的戰(zhàn)場(chǎng)和天空將出現(xiàn)無(wú)人系統(tǒng)24313.6 必要的對(duì)策24413.7 對(duì)更先進(jìn)的AI無(wú)人系統(tǒng)的最后一點(diǎn)思考24413.8 本章小結(jié)244參考文獻(xiàn)245附錄A 貝葉斯深度學(xué)習(xí)246附錄B OpenAI Gym252附錄C 人工智能和機(jī)器學(xué)習(xí)研究的未來(lái)273技術(shù)縮略語(yǔ)表274
書(shū)單推薦![基于認(rèn)知深度學(xué)習(xí)的智能自主無(wú)人系統(tǒng)設(shè)計(jì)與開(kāi)發(fā) [美]大衛(wèi)·艾倫·布呂博 等 [美]大衛(wèi)·艾倫·布呂博](/uploadfile/202509/9787111786955.jpg)
