系統工具箱的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

計算器視覺與深度學習實戰：以MATLAB、Python為工具

為了解決系統工具箱的問題，作者劉衍琦詹福宇王德建 這樣論述：

本書詳細講解了36個電腦視覺與深度學習實戰案例（含可運行程式），涉及霧霾去噪、答題卡自動閱卷、肺部圖像分割、小波數位浮水印、圖像檢索、人臉二維碼識別、車牌定位及識別、霍夫曼圖像壓縮、手寫數位元識別、英文字元文本識別、眼前節組織提取、全景圖像拼接、小波圖像融合、基於語音辨識的音訊信號模擬燈控、路面裂縫檢測識別、視頻運動估計追蹤、Simulink影像處理、胸片及肝臟分割、基於深度學習的汽車目標檢測、基於電腦視覺的自動駕駛應用、基於深度學習的視覺場景識別、基於深度特徵的以圖搜畫、基於CNN的字元識別、基於CNN的物體識別、基於CNN的圖像矯正、基於LSTM的時間序列分析、基於深度學習的以圖搜圖技術、

基於YOLO的智慧交通目標檢測等多項重要技術及應用，涵蓋了數位元影像處理中幾乎所有的基本模組，並延伸到了深度學習理論及其應用方面。 工欲善其事，必先利其器，本書對每個數位元影像處理的知識點都提供了豐富、生動的案例素材，並以MATLAB、Python為工具詳細講解了實驗的核心程式。通過對這些程式的閱讀、理解和模擬運行，讀者可以更加深刻地理解影像處理的內容，並且更加熟練地掌握電腦視覺及深度學習在不同實際領域中的用法。 本書以案例為基礎，結構佈局緊湊，內容深入淺出，實驗簡捷高效，適合電腦、信號通信和自動化等相關專業的教師、本科生、研究生，以及廣大從事數位元影像處理的工程研發人員閱讀參考。  

劉衍琦，機器學習演算法專家及視覺AI課程講師，擅長視覺智慧分析、多源異構資料獲取和挖掘等工程化應用，並長期從事視覺大資料工程相關工作，涉及互 聯網海量圖像、聲紋、視頻檢索，以及OCR圖文檢索、手繪草圖智慧識別、特殊通道資料分析等應用的演算法架構與研發，對圖文識別、大規模以圖搜圖、資料感知 和採集等進行過深入研究，並結合行業背景推動了一系列工程化應用。曾主編和參與編寫多本書籍。 詹福宇，博士，資深飛行控制演算法專家，畢業于西北工業大學航空學院飛行器設計專業。擁有近10年模擬控制開發經驗，熟悉Simulink基於模型設計的流程，曾主編和參與編寫多本書籍。 王德建，檔案管理副研

究館員，畢業于西安建築科技大學系統工程專業，從事檔案數位化、智慧化分類、OCR圖文檢索、圖像智慧識別相關工作。 陳峰蔚，熟悉機器學習、深度學習及電腦視覺在智慧交通、智慧駕駛領域的應用，長期從事汽車品牌識別、車型細細微性分類、目標檢測與分割方面的相關工作，精通MATLAB、Python程式設計及TensorFlow深度學習框架，參與了多項專利的設計與開發。 蔣獻文，資深專業醫事放射師，畢業于中國醫藥大學醫學院臨床醫學研究所。擅長醫學影像處理技術、放射線射影技術及手術房電腦斷層與血管攝影技術，在臨床放射技術學與影像處理方面進行過深入研究並發表了相關醫學論文。 周華英，新能源汽車高級工程師，畢

業于北京交通大學交通運輸規劃與管理專業。長期進行純電動及混合動力汽車系統建模與控制、汽車動力系統與控制、電動汽車能量管理和控制優化等研究，曾主編和參與編寫多本書籍。   第1章基於長條圖優化的圖像去霧技術1 1.1案例背景1 1.2理論基礎1 1.2.1空域圖像增強1 1.2.2長條圖均衡化2 1.3程式實現3 1.3.1設計GUI介面4 1.3.2全域長條圖處理4 1.3.3局部長條圖處理6 1.3.4Retinex增強處理8 1.4延伸閱讀12   第2章基於形態學的權重自我調整圖像去噪13 2.1案例背景13 2.2理論基礎14 2.2.1圖像去噪的方法14 2.2.

2數學形態學的原理15 2.2.3權重自我調整的多結構形態學去噪15 2.3程式實現16 2.4延伸閱讀22   第3章基於多尺度形態學提取眼前節組織24 3.1案例背景24 3.2理論基礎25 3.3程式實現28 3.3.1多尺度結構設計28 3.3.2多尺度邊緣提取29 3.3.3多尺度邊緣融合31 3.4延伸閱讀33   第4章基於Hough變化的答題卡識別34 4.1案例背景34 4.2理論基礎34 4.2.1圖像二值化35 4.2.2傾斜校正35 4.2.3圖像分割38 4.3程式實現40 4.3.1圖像灰度化40 4.3.2灰度圖像二值化41 4.3.3圖像平滑濾波41 4.3.4

圖像矯正41 4.3.5完整性核查42 4.4延伸閱讀51   第5章基於閾值分割的車牌定位識別53 5.1案例背景53 5.2理論基礎53 5.2.1車牌影像處理54 5.2.2車牌定位原理58 5.2.3車牌字元處理58 5.2.4車牌字元識別60 5.3程式實現62 5.4延伸閱讀69   第6章基於分水嶺分割進行肺癌診斷71 6.1案例背景71 6.2理論基礎71 6.2.1模擬浸水的過程72 6.2.2模擬降水的過程72 6.2.3過度分割問題72 6.2.4標記分水嶺分割演算法72 6.3程式實現73 6.4延伸閱讀77   第7章基於主成分分析的人臉二維碼識別79 7.1案例背景

79 7.2理論基礎79 7.2.1QR二維碼簡介80 7.2.2QR二維碼的編碼和解碼流程82 7.2.3主成分分析方法84 7.3程式實現85 7.3.1人臉建庫85 7.3.2人臉識別87 7.3.3人臉二維碼87 7.4延伸閱讀92   第8章基於知識庫的手寫體數位識別94 8.1案例背景94 8.2理論基礎94 8.2.1演算法流程94 8.2.2特徵提取95 8.2.3模式識別96 8.3程式實現97 8.3.1影像處理97 8.3.2特徵提取98 8.3.3模式識別101 8.4延伸閱讀102 8.4.1識別器選擇102 8.4.2特徵庫改善102   第9章基於特徵匹配的英文印

刷字元識別103 9.1案例背景103 9.2理論基礎104 9.2.1圖像預處理104 9.2.2圖像識別技術105 9.3程式實現106 9.3.1介面設計106 9.3.2回檔識別111 9.4延伸閱讀112   第10章基於不變矩的數位驗證碼識別113 10.1案例背景113 10.2理論基礎114 10.3程式實現114 10.3.1設計GUI介面114 10.3.2載入驗證碼圖像115 10.3.3驗證碼圖像去噪116 10.3.4驗證碼數字定位118 10.3.5驗證碼歸一化120 10.3.6驗證碼數位識別121 10.3.7手動確認並入庫124 10.3.8重新生成範本庫12

5 10.4延伸閱讀128   第11章基於小波技術進行圖像融合129 11.1案例背景129 11.2理論基礎130 11.3程式實現132 11.3.1設計GUI介面132 11.3.2圖像載入133 11.3.3小波融合135 11.4延伸閱讀137   第12章基於塊匹配的全景圖像拼接138 12.1案例背景138 12.2理論基礎138 12.2.1圖像匹配139 12.2.2圖像融合141 12.3程式實現142 12.3.1設計GUI介面142 12.3.2載入圖片143 12.3.3圖像匹配144 12.3.4圖像拼接148 12.4延伸閱讀153   第13章基於霍夫曼圖像編

碼的圖像壓縮和重建155 13.1案例背景155 13.2理論基礎155 13.2.1霍夫曼編碼的步驟156 13.2.2霍夫曼編碼的特點157 13.3程式實現158 13.3.1設計GUI介面158 13.3.2壓縮和重建159 13.3.3效果對比164 13.4延伸閱讀167   第14章基於主成分分析的圖像壓縮和重建168 14.1案例背景168 14.2理論基礎168 14.2.1主成分降維分析原理168 14.2.2由得分矩陣重建樣本169 14.2.3主成分分析資料壓縮比170 14.2.4基於主成分分析的圖像壓縮170 14.3程式實現171 14.3.1主成分分析的原始程式

碼171 14.3.2圖像陣列和樣本矩陣之間的轉換172 14.3.3基於主成分分析的圖像壓縮173 14.4延伸閱讀176   第15章基於小波的圖像壓縮技術177 15.1案例背景177 15.2理論基礎178 15.3程式實現180 15.4延伸閱讀188   第16章基於融合特徵的以圖搜圖技術189 16.1案例背景189 16.2理論基礎189 16.3程式實現191 16.3.1圖像預處理191 16.3.2計算特徵191 16.3.3圖像檢索194 16.3.4結果分析194 16.4延伸閱讀196   第17章基於Harris的角點特徵檢測198 17.1案例背景198 17.

2理論基礎199 17.2.1Harris的基本原理199 17.2.2Harris演算法的流程201 17.2.3Harris角點的性質201 17.3程式實現202 17.3.1Harris演算法的代碼202 17.3.2角點檢測實例204 17.4延伸閱讀205   第18章基於GUI搭建通用視頻處理工具206 18.1案例背景206 18.2理論基礎206 18.3程式實現208 18.3.1設計GUI介面208 18.3.2實現GUI介面209 18.4延伸閱讀220   第19章基於語音辨識的信號燈圖像 模擬控制技術221 19.1案例背景221 19.2理論基礎221 19.3程

式實現223 19.4延伸閱讀232   第20章基於幀間差法進行視頻目標檢測234 20.1案例背景234 20.2理論基礎234 20.2.1幀間差分法235 20.2.2背景差分法236 20.2.3光流法236 20.3程式實現237 20.4延伸閱讀24   第21章路面裂縫檢測系統設計247 21.1案例背景247 21.2理論基礎247 21.2.1圖像灰度化248 21.2.2圖像濾波250 21.2.3圖像增強252 21.2.4圖像二值化253 21.3程式實現255 21.4延伸閱讀267   第22章基於K-means聚類演算法的圖像分割268 22.1案例背景268

22.2理論基礎268 22.2.1K-means聚類演算法的原理268 22.2.2K-means聚類演算法的要點269 22.2.3K-means聚類演算法的缺點270 22.2.4基於K-means聚類演算法進行圖像分割270 22.3程式實現271 22.3.1樣本間的距離271 22.3.2提取特徵向量272 22.3.3圖像聚類分割273 22.4延伸閱讀275   第23章基於光流場的車流量計數應用276 23.1案例背景276 23.2理論基礎276 23.2.1基於光流法檢測運動的原理276 23.2.2光流場的主要計算方法277 23.2.3梯度光流場約束方程278 23.

2.4Horn-Schunck光流演算法280 23.3程式實現281 23.3.1計算視覺系統工具箱簡介281 23.3.2基於光流法檢測汽車運動282 23.4延伸閱讀287   第24章基於Simulink進行圖像和視頻處理289 24.1案例背景289 24.2模組介紹289 24.2.1分析和增強模組庫（Analysis和Enhancement）290 24.2.2轉化模組庫（Conversions）291 24.2.3濾波模組庫（Filtering）292 24.2.4幾何變換模組庫（GeometricTransformations）292 24.2.5形態學操作模組庫（Morph

ologicalOperations）292 24.2.6輸入模組庫（Sources）293 24.2.7輸出模組庫（Sinks）293 24.2.8統計模組庫（Statistics）294 24.2.9文本和圖形模組庫（Text和Graphic）295 24.2.10變換模組庫（Transforms）295 24.2.11其他工具模組庫（Utilities）295 24.3模擬案例296 24.3.1搭建組織模型296 24.3.2模擬執行模型298 24.3.3自動生成報告299 24.4延伸閱讀302   第25章基於小波變換的數位浮水印技術304 25.1案例背景304 25.2理論基

礎304 25.2.1數位浮水印技術的原理305 25.2.2典型的數位浮水印演算法307 25.2.3數字浮水印攻擊和評價309 25.2.4基於小波的浮水印技術310 25.3程式實現312 25.3.1準備載體和浮水印圖像312 25.3.2小波數字浮水印的嵌入313 25.3.3小波數字浮水印的提取317 25.3.4小波浮水印的攻擊試驗319 25.4延伸閱讀323   第26章基於最小誤差法的胸片分割技術325 26.1案例背景325 26.2理論基礎325 26.2.1圖像增強326 26.2.2區域選擇326 26.2.3形態學濾波327 26.2.4基於最小誤差法進行胸片分割

328 26.3程式實現329 26.3.1設計GUI介面329 26.3.2圖像預處理330 26.3.3基於最小誤差法進行圖像分割333 26.3.4形態學後處理335 26.4延伸閱讀338   第27章基於區域生長的肝臟影像分割系統339 27.1案例背景339 27.2理論基礎340 27.2.1閾值分割340 27.2.2區域生長340 27.2.3基於閾值預分割的區域生長341 27.3程式實現342 27.4延伸閱讀346   第28章基於電腦視覺的自動駕駛應用347 28.1案例背景347 28.2理論基礎348 28.2.1環境感知348 28.2.2行為決策348 28.

2.3路徑規劃349 28.2.4運動控制349 28.3程式實現349 28.3.1感測器資料載入349 28.3.2追蹤器創建351 28.3.3碰撞預警353 28.4延伸閱讀358   第29章基於深度學習的汽車目標檢測359 29.1案例背景359 29.2理論基礎360 29.2.1基本架構360 29.2.2卷積層360 29.2.3池化層362 29.3程式實現362 29.3.1載入數據362 29.3.2構建CNN364 29.3.3訓練CNN365 29.3.4評估訓練效果367 29.4延伸閱讀368   第30章基於深度學習的視覺場景 識別370 30.1案例背景37

0 30.2理論基礎371 30.3程式實現371 30.3.1環境配置372 30.3.2資料集製作373 30.3.3網路訓練375 30.3.4網路測試381 30.4延伸閱讀383   第31章深度學習綜合應用385 31.1應用背景385 31.2理論基礎387 31.2.1分類識別387 31.2.2目標檢測391 31.3案例實現1：基於CNN的數位識別395 31.3.1自訂CNN397 31.3.2AlexNet399 31.3.3基於MATLAB進行實驗設計405 31.3.4基於TensorFlow進行實驗設計413 31.3.5實驗小結418 31.4案例實現2：基於C

NN的物體識別418 31.4.1CIFAR-10資料集418 31.4.2VggNet421 31.4.3ResNet422 31.4.4實驗設計424 31.4.5實驗小結432 31.5案例實現3：基於CNN的圖像矯正432 31.5.1傾斜資料集432 31.5.2自訂CNN回歸網路434 31.5.3AlexNet回歸網路436 31.5.4實驗設計437 31.5.5實驗小結445 31.6案例實現4：基於LSTM的時間序列分析445 31.6.1厄爾尼諾南方濤動指數資料446 31.6.2樣條擬合分析446 31.6.3基於MATLAB進行LSTM分析448 31.6.4基於Ke

ras進行LSTM分析451 31.6.5實驗小結455 31.7案例實現5：基於深度學習的以圖搜圖技術455 31.7.1人臉的深度特徵455 31.7.2AlexNet的特徵460 31.7.3GoogleNet的特徵461 31.7.4深度特徵融合計算462 31.7.5實驗設計462 31.7.6實驗小結467 31.8案例實現6：基於YOLO的交通目標檢測應用467 31.8.1車輛目標的YOLO檢測468 31.8.2交通標誌的YOLO檢測475 31.9延伸閱讀481  

系統工具箱進入發燒排行的影片

MATLAB中Delta 機械手的工作空間分析

為了解決系統工具箱的問題，作者李宗霖 這樣論述：

本文以三維空間三自由度並聯式結構三角式機械手臂(delta robot)為研究對象。採用D-H參數法定義座標系統，使用MATLAB中的機器人系統工具箱完成三角式機械手臂的建模。利用解逆向運動學搜尋工作空間，繪製工作空間三視圖、正交投影立體圖和等高線圖，再分析工作空間的邊界之特徵。最後，改變基座平台尺寸，分析對工作空間大小與形狀的影響。

精通ROS機器人編程（原書第2版）

為了解決系統工具箱的問題，作者（印）郎坦·約瑟夫 這樣論述：

本書主要面向機器人開發人員和想充分利用ROS功能的研究人員，是一本側重ROS框架高級概念的進階學習指南。書中既介紹了ROS的基本概念，又系統講解了使用ROS進行複雜機器人設計、建模、模擬和交互的實用技術、工具和編程技巧，包含大量示例，可以為你快速提升ROS實戰技能提供翔實參考。 全書共15章，第1章簡要介紹ROS基本概念；第2章解釋如何使用ROS軟體包；第3章討論7-DOF機械臂和差速驅動機器人的設計；第4章和第5章通過示例詳細講解如何使用Gazebo和V-REP這兩個著名的機器人模擬軟體；第6章介紹如何使用ROS MoveIt！和導航軟體包集的現有功能；第7章討論ROS pluginlib

、小節點和控制器等一些高級概念；第8章進一步討論RViz插件和ROS控制器；第9章討論一些硬體組件與ROS的介面；第10章討論如何使用ROS連接各種視覺感測器，並利用開源電腦視覺庫（OpenCV）和點雲庫（PCL）進行編程；第11章介紹如何構建差速驅動的自主移動機器人，並將其與ROS連接；第12章介紹MoveIt！的高級功能；第13章討論如何將Matlab和Simulink軟體與ROS連接；第14章介紹ROS－Industrial軟體包；第15章討論如何在ROS中安裝集成開發環境，並介紹ROS實戰技巧與調試方法。 朗坦·約瑟夫（Lentin Joseph），是一名來自印度

的作家、創業者。他是印度Qbotics實驗室的創始人兼CEO，在機器人領域已經有7年的從業經驗，主要研究方向包括機器人操作系統（ROS）、OpenCV、PCL等。 喬納森·卡卡切（Jonathan Cacace），在義大利那不勒斯腓特烈二世大學獲電腦科學碩士學位及信息與自動化工程博士學位。目前，喬納森是那不勒斯腓特烈二世大學PRISMA實驗室的博士后，主要研究工業機器人和服務機器人，曾經開發了幾款基於ROS且集成了機器人感知控制的機器人應用。 譯者序 前言 作者簡介 譯者簡介 第1章 ROS簡介 1 1.1 為什麼要學習ROS 1 1.2 在機器人開發中，人們為什麼更願

意選擇ROS 2 1.3 為什麼有些人不願意選擇ROS 3 1.4 理解ROS的檔案系統 4 1.4.1 ROS套裝軟體 5 1.4.2 ROS超套裝軟體 7 1.4.3 ROS消息 7 1.4.4 ROS服務 9 1.5 理解ROS的計算圖 9 1.5.1 ROS節點 11 1.5.2 ROS消息 12 1.5.3 ROS話題 13 1.5.4 ROS服務 13 1.5.5 ROS消息記錄包 14 1.5.6 ROS節點管理器 14 1.5.7 應用ROS參數 16 1.6 ROS的社區 17 1.7 學習ROS需要做哪些準備 17 1.8 習題 20 1.9 本章小結 20 第2章 RO

S程式設計入門 21 2.1 創建一個ROS套裝軟體 21 2.1.1 學習ROS話題 23 2.1.2 創建ROS節點 23 2.1.3 編譯生成節點 26 2.2 添加自訂的msg和srv文件 28 2.3 使用ROS服務 30 2.3.1 使用ROS動作庫 34 2.3.2 編譯ROS動作伺服器和用戶端 37 2.4 創建開機檔案 39 2.5 話題、服務和動作庫的應用 41 2.6 維護ROS套裝軟體 41 2.7 發佈ROS套裝軟體 42 2.7.1 準備發佈ROS套裝軟體 43 2.7.2 發佈套裝軟體 43 2.7.3 為ROS套裝軟體創建維琪頁面 45 2.8 習題 47 2.

9 本章小結 47 第3章 在ROS中為3D機器人建模 48 3.1 機器人建模的ROS套裝軟體 49 3.2 利用URDF理解機器人建模 50 3.3 為機器人描述創建ROS套裝軟體 52 3.4 創建我們的第一個URDF模型 52 3.5 詳解URDF文件 54 3.6 在RViz中視覺化機器人3D模型 55 3.7 向URDF模型添加物理屬性和碰撞屬性 57 3.8 利用xacro理解機器人建模 58 3.8.1 使用屬性 58 3.8.2 使用數學運算式 59 3.8.3 使用宏 59 3.9 將xacro轉換為URDF 59 3.10 為7-DOF機械臂創建機器人描述 60 3.1

0.1 機械臂規格 61 3.10.2 關節類型 61 3.11 解析7-DOF機械臂的xacro模型 61 3.11.1 使用常量 61 3.11.2 使用宏 62 3.11.3 包含其他xacro檔 62 3.11.4 在連杆中使用網格模型 63 3.11.5 使用機器人夾爪 63 3.11.6 在RViz中查看7-DOF機械臂 63 3.12 為差速驅動移動機器人創建機器人模型 66 3.13 習題 70 3.14 本章小結 70 第4章 使用ROS和Gazebo進行機器人模擬 71 4.1 使用Gazebo和ROS模擬機械臂 71 4.2 為Gazebo創建機械臂模擬模型 72 4.

2.1 為Gazebo機器人模型添加顏色和紋理 73 4.2.2 添加transmission標籤來驅動模型 74 4.2.3 添加gazebo_ros_control外掛程式 74 4.2.4 在Gazebo中添加3D視覺感測器 75 4.3 模擬裝有Xtion Pro的機械臂 76 4.4 在Gazebo中使用ROS控制器 78 4.4.1 認識ros_control套裝軟體 78 4.4.2 不同類型的ROS控制器和硬體介面 79 4.4.3 ROS控制器如何與Gazebo交互 79 4.4.4 將關節狀態控制器和關節位置控制器連接到手臂 80 4.4.5 在Gazebo中啟動ROS控制

器 81 4.4.6 控制機器人的關節運動 83 4.5 在Gazebo中模擬差速輪式機器人 83 4.5.1 將雷射雷達添加到機器人中 85 4.5.2 在Gazebo中控制機器人移動 86 4.5.3 在開機檔案中添加關節狀態發佈者 87 4.6 添加ROS遙控節點 88 4.7 習題 89 4.8 本章小結 89 第5章 用ROS和V-REP進行機器人模擬 91 5.1 安裝帶有ROS的V-REP 91 5.2 理解vrep_plugin 95 5.2.1 使用ROS服務與V-REP交互 96 5.2.2 使用ROS話題與V-REP交互 98 5.3 使用V-REP和ROS模擬機械臂

101 5.4 在V-REP下模擬差速輪式機器人 107 5.4.1 在V-REP中添加鐳射感測器 109 5.4.2 在V-REP中添加3D視覺感測器 110 5.5 習題 112 5.6 本章小結 112 第6章 ROS MoveIt!與導航套裝軟體集 113 6.1 安裝MoveIt! 113 6.2 使用配置助手工具生成MoveIt!配置套裝軟體 118 6.2.1 第1步：啟動配置助手工具 118 6.2.2 第2步：生成自碰撞矩陣 120 6.2.3 第3步：增加虛擬關節 120 6.2.4 第4步：添加規劃組 121 6.2.5 第5步：添加機器人姿態 122 6.2.6 第6

步：設置機器人的末端執行器 122 6.2.7 第7步：添加被動關節 123 6.2.8 第8步：作者資訊 123 6.2.9 第9步：生成設定檔 123 6.3 使用MoveIt!配置套裝軟體在RViz中進行機器人運動規劃 124 6.3.1 使用RViz運動規劃外掛程式 125 6.3.2 MoveIt!配置套裝軟體與Gazebo的介面 128 6.4 理解ROS導航套裝軟體集 133 6.4.1 ROS導航硬體的要求 133 6.4.2 使用導航套裝軟體 134 6.5 安裝ROS導航套裝軟體集 136 6.6 使用SLAM構建地圖 136 6.6.1 為gmapping創建開機檔案 1

37 6.6.2 在差速驅動機器人上運行SLAM 138 6.6.3 使用amcl和靜態地圖實現自主導航 141 6.6.4 創建amcl開機檔案 141 6.7 習題 144 6.8 本章小結 144 第7章 使用pluginlib、小節點和Gazebo 外掛程式 145 7.1 理解pluginlib 145 7.2 理解ROS小節點 151 7.3 理解Gazebo外掛程式 156 7.4 習題 160 7.5 本章小結 160 第8章 ROS控制器和視覺化外掛程式程式設計 161 8.1 理解 ros_control套裝軟體集 162 8.1.1 controller_interf

ace套裝軟體 162 8.1.2 控制器管理器 164 8.2 使用ROS編寫一個基本的關節控制器 164 8.2.1 第1步：創建控制器套裝軟體 165 8.2.2 第2步：創建控制器標頭檔 165 8.2.3 第3步：創建控制器原始檔案 166 8.2.4 第4步：控制器原始檔案解析 166 8.2.5 第5步：創建外掛程式描述檔 167 8.2.6 第6步：更新package.xml文件 168 8.2.7 第7步：更新CMake-Lists.txt文件 168 8.2.8 第8步：編譯控制器 168 8.2.9 第9步：編寫控制器設定檔 168 8.2.10 第10步：編寫控制器的開

機檔案 169 8.2.11 第11步：在Gazebo中運行控制器和7-DOF機械臂 169 8.3 理解ROS視覺化工具(RViz)及其外掛程式 171 8.3.1 Displays面板 172 8.3.2 RViz工具列 172 8.3.3 Views面板 172 8.3.4 Time面板 172 8.3.5 可停靠面板 172 8.4 編寫用於遙控操作的RViz外掛程式 172 8.5 習題 178 8.6 本章小結 178 第9章 將ROS與I/O開發板、感測器、執行機構連接 179 9.1 理解Arduino-ROS介面 179 9.2 Arduino-ROS介面是什麼 180 9

.2.1 理解ROS中的rosserial套裝軟體 181 9.2.2 理解Arduino中的ROS節點API 185 9.2.3 ROS-Arduino發佈者和訂閱者實例 187 9.2.4 Arduino-ROS介面實例——LED燈閃爍/按按鈕 190 9.2.5 Arduino-ROS介面實例——ADXL 335加速度計 192 9.2.6 Arduino-ROS介面實例——超聲波測距感測器 194 9.2.7 Arduino-ROS介面實例——里程計發佈者 197 9.3 非Arduino開發板與ROS介面 199 9.3.1 在Odroid-XU4和樹莓派2上配置ROS 199 9.

3.2 用ROS控制樹莓派2 上的LED燈閃爍 206 9.3.3 在樹莓派2上使用ROS測試按鈕和LED燈閃爍 208 9.3.4 在樹莓派2上運行示例 211 9.4 將DYNAMIXEL驅動器連接到ROS 212 9.5 習題 212 9.6 本章小結 212 第10章 用ROS對視覺感測器程式設計、OpenCV、PCL 213 10.1 理解ROS-OpenCV開發介面套裝軟體 213 10.2 理解ROS-PCL開發介面套裝軟體 214 10.3 在ROS中連接USB相機 216 10.4 ROS與相機校準 218 10.4.1 使用cv_bridge在ROS和OpenCV之間轉換

圖像 221 10.4.2 使用ROS和OpenCV進行影像處理 221 10.5 在ROS中連接Kinect與華碩Xtion Pro 225 10.6 將英特爾Real Sense相機與ROS連接 228 10.7 在ROS中連接Hokuyo雷射雷達 232 10.8 處理點雲資料 233 10.8.1 如何發佈點雲 234 10.8.2 如何訂閱和處理點雲 235 10.8.3 將點雲資料寫入點雲資料（PCD）檔 236 10.8.4 從PCD檔中讀取並發佈點雲 237 10.9 物體姿態估計與AR標記檢測 239 10.10 習題 243 10.11 本章小結 244 第11章 在RO

S中構造與連接差速驅動移動機器人 245 11.1 Chefbot DIY移動機器人及其硬體設定 246 11.1.1 使用Energia IDE來燒寫Chefbot固件 248 11.1.2 討論Chefbot的ROS套裝軟體介面 249 11.1.3 從編碼器計數計算里程計資訊 254 11.1.4 根據ROS twist消息計算馬達轉速 256 11.1.5 為Chefbot機器人配置導航套裝軟體集 257 11.1.6 配置gmapping節點 257 11.1.7 配置導航套裝軟體集 259 11.1.8 理解AMCL 264 11.1.9 在RViz中使用導航功能 267 11.1

.10 導航套裝軟體中避障 272 11.1.11 Chefbot機器人模擬 273 11.1.12 從ROS節點向導航套裝軟體集發送一個目的地 276 11.2 習題 278 11.3 本章小結 278 第12章 探索ROS-MoveIt!的高級功能 279 12.1 使用move_group的C++介面進行運動規劃 279 12.1.1 使用MoveIt! C++ API規劃隨機路徑 280 12.1.2 使用MoveIt! C++ API規劃自訂路徑 281 12.2 使用MoveIt!進行機械臂的碰撞檢測 283 12.2.1 向MoveIt!添加碰撞對象 283 12.2.2 從規

劃場景中移除碰撞物件 286 12.2.3 向機器人連杆上添加一個碰撞物件 286 12.2.4 使用MoveIt! API檢查自碰撞 287 12.3 使用MoveIt!和Gazebo處理視覺 288 12.4 使用MoveIt!執行拾取和放置任務 294 12.4.1 使用GPD計算抓握姿態 297 12.4.2 在Gazebo和真實機器人上執行拾取和放置動作 300 12.5 理解用於機器人硬體介面的DYNAMIXEL ROS伺服控制器 300 12.5.1 DYNAMIXEL伺服舵機 300 12.5.2 DYNAMIXEL-ROS介面 301 12.6 7-DOF機械臂與ROS Mo

veIt! 302 12.6.1 為COOL機械臂創建一個控制器套裝軟體 303 12.6.2 COOL機械臂的MoveIt!配置 306 12.7 習題 308 12.8 本章小結 308 第13章 在MATLAB和Simulink中使用ROS 309 13.1 學習使用MATLAB與MATLAB-ROS 309 13.1.1 機器人系統工具箱和ROS-MATLAB介面入門 310 13.1.2 ROS話題和MATLAB回呼函數 313 13.1.3 為Turtlebot機器人設計一個避障系統 317 13.2 學習使用ROS與Simulink 321 13.2.1 在Simulink中創

建波形信號積分器 321 13.2.2 在Simulink中使用ROS消息 323 13.2.3 在Simulink中發佈ROS消息 323 13.2.4 在Simulink中訂閱ROS話題 327 13.3 用Simulink開發一個簡單的控制系統 328 13.4 習題 332 13.5 本章小結 332 第14章 ROS與工業機器人 333 14.1 理解ROS-Industrial套裝軟體 333 14.1.1 ROS-Industrial的目標 334 14.1.2 ROS-Industrial簡史 334 14.1.3 ROS-Industrial優點 334 14.2 安裝RO

S-Industrial套裝軟體 334 14.3 ROS-Industrial套裝軟體框圖 335 14.4 為工業機器人創建URDF 336 14.5 為工業機器人創建MoveIt!配置 337 14.5.1 更新MoveIt!設定檔 340 14.5.2 測試MoveIt!配置 341 14.6 安裝UR機械臂的ROS-Industrial套裝軟體 341 14.7 理解UR機械臂的MoveIt!配置 343 14.8 使用真實的UR機器人和ROS-I 345 14.9 ABB機器人的MoveIt!配置 346 14.10 ROS-Industrial機器人支持套裝軟體 349 14.1

1 ROS-Industrial 機器人用戶端套裝軟體 351 14.12 ROS-Industrial 機器人驅動套裝軟體 352 14.13 理解MoveIt! IKFast外掛程式 354 14.14 為ABB IRB 6640機器人創建MoveIt! IKFast外掛程式 354 14.14.1 開發MoveIt! IKFast外掛程式的前提條件 354 14.14.2 OpenRave和IKFast模組 354 14.15 為使用OpenRave，創建機器人的COLLADA檔 357 14.16 為IRB 6640機器人生成IKFast CPP檔 358 14.17 習題 361 1

4.18 本章小結 361 第15章 調試方法與最佳實戰技巧 362 15.1 在Ubuntu中安裝RoboWare Studio 362 15.1.1 安裝和卸載RoboWare Studio 363 15.1.2 RoboWare Studio入門 363 15.1.3 在RoboWare Studio中創建ROS套裝軟體 364 15.1.4 在RoboWare Studio中編譯ROS工作區 366 15.1.5 在RoboWare Studio中運行ROS節點 367 15.1.6 在RoboWare介面啟動ROS工具 368 15.1.7 處理活動的ROS話題、節點和服務 369

15.1.8 使用RoboWare工具創建ROS節點和類 370 15.1.9 RoboWare Studio中的ROS套裝軟體管理器 371 15.2 ROS的最佳實戰技巧與經驗 372 15.3 ROS套裝軟體中的最佳實戰技巧與經驗 374 15.4 ROS中的重要調試技巧 374 15.5 習題 377 15.6 本章小結 378

風能-小水力混合式同步發電系統動態分析

為了解決系統工具箱的問題，作者盧欣玫 這樣論述：

本論文主要在探討風能-小水力混合式同步發電系統在正常及系統故障情形下的動態特性。研究對象為一個風能-小水力混合式同步發電系統，這個系統的組件包括水輪機與調速系統、風力機、同步發電機與激磁系統、三相變壓器、功因補償電容器、以及靜態負載等。研究方法是利用Simulink 與架構在同一環境下的SimPowerSystems 來開發系統組件模組，再將這些模組依系統架構連結，接著進行動態特性模擬與分析。此外，為了讓模擬與實際情形更接近，本研究模擬了三種運轉模式。模擬結果顯示，在這些運轉模式下系統的動態特性均可接受，並且應可和實際運轉情形一致。此研究最大的價值是可以做為系統規劃、運轉、以及擴充的重要依據

。