欢迎学习《基于TurtleBot库的ROS自动驾驶和路径规划SLAM视频教程》课程，我们将学习迷宫解谜和入侵者检测并使用 TurtleBot3 进行监视。
Genre: eLearning | MP4 | Video: h264, 1280×720 | Audio: AAC, 48.0 KHz
Language: English | Size: 3.80 GB | Duration: 4h 28m
你会学到什么
- TurtleBot3的导航堆栈启动
- 在自定义模拟环境中使用Gmapping节点执行SLAM
- 具有成本图和本地化的路径规划
- 通过详细示例详细了解TurtleBot3包
课程工作流程：
我们将使用的主要机器人是 Robotis 的 Turtle Bot 3。将从官方 GitHub 存储库中获取包，然后我们将开始分析机器人如何启动到 Rviz 和 Gazebo 等模拟中。在浏览多个启动文件后，我们将创建一个自定义启动文件以将机器人带入模拟。使用 Gmapping 节点的 SLAM 将为我们自定义创建的包含 MAZE 的世界执行。然后我们将执行入侵者检测和监视的最后一个项目，其中我们将利用导航堆栈作为主要过程。
本课程后的成果，你将可以创建：
- 自定义工作区
- 自定义Python包
- 启动文件缩减
- RVIZ和Gazebo模拟基础
- 基于节点通信的模拟视频录制
- 使用Gmapping节点执行SLAM
- 导航堆栈集成
- 路径规划器
- 成本图
项目：
- 具有最优路径的迷宫求解机器人
- 导航时的入侵者检测和视频反馈
- 解释过程
- 互动写作和评论的概念构建理论
- 为讨论的节点和概念编写代码
- 分析产出并记录所使用的资源
软件要求
Ubuntu 20.04
ROS Noetic
本课程适用于谁：
- 想在Gazebo的定制机器人中实现SLAM和自动驾驶的人
- 想了解导航堆栈的基本工作和集成的人
- 想知道TurtleBot3包结构的Gazebo插件的人
关于SLAM
SLAM是同步定位与地图构建(Simultaneous Localization And Mapping)的缩写，最早由Hugh Durrant-Whyte 和 John J.Leonard提出。SLAM主要用于解决移动机器人在未知环境中运行时定位导航与地图构建的问题。
SLAM通常包括如下几个部分，特征提取，数据关联，状态估计，状态更新以及特征更新等。对于其中每个部分，均存在多种方法。SLAM可以通过多种方法实现，首先其可以在多种不同的硬件上实现。其次，SLAM更像是一个概念而不是一个算法。SLAM技术包含了许多步骤，其中的每一个步骤均可以使用不同的算法实现。
SLAM既可以用于2D运动领域，也可以应用于3D运动领域。