ubuntu安裝空間的問題，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

Raspberry Pi 樹莓派：12 道開胃菜打造 Linux 核心肌群(iT邦幫忙鐵人賽系列書)

為了解決ubuntu安裝空間的問題，作者林有容 這樣論述：

　　「Ok，你買了幾本 Linux 驅動程式的書，然後呢？」 　　在學習一個新技術時，往往會期待先從一些簡單的例子出發，再逐漸延伸。 　　不過，如果這個新技術跟 Linux 核心相關，「一些簡單的例子」可能沒那麼簡單。 　　如果直接從核心改起，從一些作業系統課常見的名詞出發：行程管理、同步機制、記憶體等，往往會因為更動帶來的影響遍佈整個作業系統，而不知該如何下手。而如果從裝置驅動程式開始，個人電腦的硬體往往缺乏彈性，嵌入式系統則需要另外準備軟、硬體實驗環境、交叉編譯工具鏈等等，也很有可能需要另外使用 QEMU 之類的模擬器除錯。 　　要開始寫程式，才能驗證所學。但似乎

很難找到簡單實驗環境與例子，那該怎麼辦呢？ 　　別擔心！這本書就是來回答這個問題！ 　　本書內容改編自第12屆iT邦幫忙鐵人賽IoT組冠軍系列文章──《Modern Maker : 從那些 Maker 的大小事看 Linux 核心》。本書旨在替理解 Linux 內部提供一個略為不同的切入點，使用創客手邊的 Raspberry Pi 與 Arduino，搭配最普遍使用的 Ubuntu，作為實驗 Linux 核心功能的環境。除此之外，本書援引近五年來的諸多研討會作為第一手材料。手上拿著這本書的你，不用買更多材料，今天回家就可以立刻實驗！ 　　本書內容 　　Chapter 1：Ftrace 與

eBPF ，介紹 Linux 中的兩個動態追蹤機制：由「即時」分支來的 ftrace ，與近幾年討論度極高的 eBPF。這些工具使得讀者僅使用命令列，就能觀察 Linux 內部的運作。這樣做也容易有「外溢」的效果：如果你在追蹤結果中一直看到某些東西重複出現，自然會好奇這是什麼。於是你就有了一個學新東西的好情境。 　Chapter 2：裝置樹與 Linux 裝置框架，介紹裝置樹與 Linux 裝置模型。一方面是更貼近 Maker 的經驗：Maker 們可能常　常在一些感測器、ADC、觸控螢幕的硬體供應商提供說明中，看到疊加裝置樹的指示。介紹裝置樹對於 Maker 來說，可以更深入理解這件事的

目的，是非常有幫助的知識。另一方面，核心模組也可以因為結合裝置模型，許多函式可以使用自動資源管理的版本，也有助於讓程式更精簡。 　　Chapter 3：GPIO ，介紹如何在核心中使用 GPIO 。有了 GPIO 之後，就能在 Chapter 4：IRQ 中使用 GPIO 觸發各種 IRQ，搭配 Chapter 1 的動態追蹤工具，讓讀者可以親自實驗中斷上半部與下半部機制的執行機制、執行前後文、發生時機等等。本書涵蓋的下半部機制包含了 workqueue、softirq、tasklet 與 threaded IRQ。在理解 IRQ 之後，相信讀者在閱讀核心文件時，碰到如「該函式無法在不能休眠

的情境使用」之類的敘述時，就不會容易感到困惑。 　　Chatper 5：I2C ，在介紹核心與使用者空間的 I2C 相關功能之後，Chatper 6：與使用者交換資料中，介紹了字元驅動程式，並且把前述的 I2C 的傳輸包裝成字元驅動程式。 最後則是介紹了專為感測器設計的 IIO 子系統。多數的 ADC、加速規、距離感測器等，有不少可以在 IIO 子系統中找到驅動程式。 　　本書使用的硬體 　　這本書使用 Raspberry 4B 與 Arduino Uno。當然，還需要幾條杜邦線。除此之外，為了不讓使用 3.3V 邏輯電壓的 Raspberry Pi 4B 被使用 5V 邏輯電壓的 Ard

uino Uno 破壞，部分實驗需要使用到邏輯準位轉換器（logic level shifter）。以及在最後的 IIO 實驗中，還需要一個 TCRT5000 紅外線距離感測器，但實際上也可以 Arduino Uno 替代。除此之外，你不需要更多硬體了。 　　Ok，準備好了，我們就直接開始吧！  

OpenCV 4詳解：基於Python

為了解決ubuntu安裝空間的問題，作者馮振陳亞萌 這樣論述：

本書基於OpenCV 4.1版本，討論OpenCV 4的功能，以及OpenCV在影像處理和電腦視覺方面的應用。   本書共12章。主要內容包括OpenCV的基礎知識，資料載入、顯示與保存，圖像基本作，長條圖，圖像濾波，圖像形態學作，圖像分割與修復，目標檢測，特徵點檢測與匹配，立體視覺，視頻分析，機器學習在OpenCV中的實現方式。   《OpenCV 4詳解：基於Python》適合電腦視覺方面的專業人士閱讀，也可作為電腦相關專業的教材。 第1章　初識OpenCV 1 1.1　什麼是OpenCV 1 1.1.1　OpenCV與電腦視覺 1 1.1.2　OpenCV的發展 2 1

.1.3　OpenCV 4帶來了什麼 3 1.2　安裝OpenCV-Python 4 1.2.1　在Windows系統中安裝OpenCV-Python 4 1.2.2　在Ubuntu系統中安裝OpenCV-Python 9 1.3　OpenCV的模組架構 12 1.4　示例程式 14 1.4.1　配置運行環境 14 1.4.2　邊緣檢測 14 1.4.3　K聚類演算法 15 1.4.4　基於特徵點的圖像匹配 16 1.4.5　行人檢測 17 1.4.6　手寫數位識別 18 1.5　本章小結 19 第2章　載入、顯示與保存資料 20 2.1　圖像的表示 20 2.1.1　圖像基礎 20 2.1

.2　NumPy相關介紹 22 2.2　圖片的讀取與顯示 27 2.2.1　圖片讀取函數 28 2.2.2　圖像視窗函數 29 2.2.3　圖片顯示函數 29 2.3　視頻載入與攝像頭調用 30 2.3.1　讀取視頻資料 30 2.3.2　攝像頭的直接調用 33 2.4　資料保存 33 2.4.1　保存圖像 34 2.4.2　保存視頻 36 2.4.3　保存和讀取XML和YMAL 文件 38 2.5　本章小結 41 第3章　圖像基本作 42 3.1　顏色空間 42 3.1.1　顏色空間與轉換 42 3.1.2　多通道分離與合併 47 3.2　關於圖元的作 49 3.2.1　圖像圖元統計 50

3.2.2　兩圖像間的圖元作 53 3.2.3　圖像二值化 58 3.2.4　LUT 62 3.3　圖像連接和圖像變換 64 3.3.1　圖像連接 64 3.3.2　圖像尺寸變換 66 3.3.3　圖像翻轉變換 68 3.3.4　圖像仿變換 69 3.3.5　圖像透視變換 72 3.3.6　極座標變換 75 3.4　在圖像上繪製幾何圖形和生成文字 77 3.4.1　繪製圓形 77 3.4.2　繪製直線 78 3.4.3　繪製橢圓 78 3.4.4　繪製多邊形 79 3.4.5　生成文字 80 3.5　感興趣區域 83 3.6　圖像金字塔 85 3.6.1　高斯金字塔 85 3.6.2　拉普拉

斯金字塔 86 3.7　窗*交互作 88 3.7.1　圖像視窗滑動條 88 3.7.2　滑鼠回應 90 3.8　本章小結 92 第4章　圖像長條圖 94 4.1　圖像長條圖的計算與繪製 94 4.1.1　圖像長條圖的計算 94 4.1.2　圖像長條圖的繪製 96 4.2　2D長條圖 100 4.3　關於長條圖的作 103 4.3.1　長條圖歸一化 103 4.3.2　長條圖比較 106 4.3.3　長條圖均衡化 109 4.3.4　長條圖匹配 111 4.3.5　長條圖反向投影 114 4.4　圖像範本匹配 115 4.5　本章小結 119 第5章　圖像濾波 120 5.1　圖像卷積 12

0 5.2　雜訊的種類與生成 124 5.2.1　椒鹽雜訊 124 5.2.2　高斯雜訊 126 5.3　線性濾波 129 5.3.1　均值濾波 129 5.3.2　方框濾波 132 5.3.3　高斯濾波 134 5.3.4　可分離濾波 137 5.3.5　中值濾波 140 5.3.6　雙邊濾波 142 5.4　圖像邊緣檢測 145 5.4.1　邊緣檢測原理 145 5.4.2　Sobel運算元 148 5.4.3　Scharr運算元 151 5.4.4　生成邊緣檢測濾波器 152 5.4.5　Laplacian運算元 154 5.4.6　Canny演算法 156 5.5　本章小結 158

第6章　圖像形態學作 159 6.1　圖元距離與連通域 159 6.1.1　圖像距離變換 159 6.1.2　圖像連通域分析 164 6.2　腐蝕與膨脹 170 6.2.1　圖像腐蝕 170 6.2.2　圖像膨脹 175 6.3　形態學應用 178 6.3.1　開運算 178 6.3.2　閉運算 180 6.3.3　形態學梯度 180 6.3.4　頂帽運算 181 6.3.5　黑帽運算 181 6.3.6　擊中擊不中變換 182 6.3.7　圖像細化 185 6.4　本章小結 187 第7章　目標檢測 189 7.1　形狀檢測 189 7.1.1　直線檢測 189 7.1.2　直線擬合 19

8 7.1.3　圓形檢測 200 7.2　輪廓檢測 202 7.2.1　輪廓發現與繪製 203 7.2.2　輪廓面積 207 7.2.3　輪廓長度 208 7.2.4　輪廓外接多邊形 209 7.2.5　點到輪廓距離 213 7.2.6　凸包檢測 215 7.3　矩的計算 216 7.3.1　幾何矩與中心矩 217 7.3.2　Hu矩 218 7.3.3　基於Hu矩的輪廓匹配 220 7.4　點集擬合 222 7.5　二維碼檢測 224 7.6　本章小結 226 第8章　圖像分析與修復 228 8.1　傅裡葉變換 228 8.1.1　離散傅裡葉變換 228 8.1.2　通過傅裡葉變換計算卷積

235 8.1.3　離散余弦變換 236 8.2　積分圖 240 8.3　圖像分割 243 8.3.1　漫水填充法 244 8.3.2　分水嶺法 246 8.3.3　Grabcut圖像分割 249 8.3.4　Mean-Shift分割演算法 251 8.4　圖像修復 254 8.5　本章小結 256 第9章　特徵點檢測與匹配 258 9.1　角點檢測 258 9.1.1　顯示關鍵點 258 9.1.2　Harris角點檢測 261 9.1.3　Shi-Tomasi角點檢測 264 9.1.4　亞圖元級別角點檢測 266 9.2　特徵點檢測 268 9.2.1　關鍵點 268 9.2.2　描

述子 269 9.2.3　SIFT特徵點檢測 270 9.2.4　SURF特徵點檢測 273 9.2.5　ORB特徵點檢測 276 9.3　特徵點匹配 279 9.3.1　DescriptorMatcher類 279 9.3.2　暴力匹配 281 9.3.3　顯示特徵點匹配結果 282 9.3.4　FLANN匹配 284 9.3.5　RANSAC優化特徵點匹配 287 9.4　本章小結 290 第10章　立體視覺 291 10.1　單目視覺 291 10.1.1　單目相機模型 291 10.1.2　標定板角點提取 294 10.1.3　單目相機標定 298 10.1.4　單目相機校正 302

10.1.5　單目投影 305 10.1.6　單目位姿估計 307 10.2　雙目視覺 312 10.2.1　雙目相機模型 312 10.2.2　雙目相機標定 313 10.2.3　雙目相機校正 316 10.3　本章小結 319 第11章　視頻分析 321 11.1　差值法檢測移動物體 321 11.2　均值遷移法目標跟蹤 323 11.2.1　均值遷移的目標跟蹤 324 11.2.2　自我調整均值遷移的目標跟蹤 327 11.3　光流法目標跟蹤 330 11.3.1　Faeneback多項式擴展演算法 332 11.3.2　基於LK光流跟蹤 335 11.4　本章小結 338 第12

章　OpenCV與機器學習 339 12.1　OpenCV與傳統機器學習 339 12.1.1　k均值聚類演算法 339 12.1.2　K近鄰演算法 343 12.1.3　決策樹 347 12.1.4　隨機森林 349 12.1.5　支持向量機 351 12.2　OpenCV與深度神經網路應用實例 354 12.2.1　載入深度學習模型 355 12.2.2　圖像識別 357 12.2.3　快速風格遷移 359 12.2.4　性別檢測 361 12.3　本章小結 363

自動路徑規劃與任務分配系統之開發

為了解決ubuntu安裝空間的問題，作者張凱強 這樣論述：

現今傳統製造產業已漸漸邁向機器人來取代人力的趨勢，為了有效提升工廠生產效率，工廠導入了機械手臂來取代人工上下料，減少人力的需求且品質也大幅的提升，再透過無人搬運車進行工作站之間的物料運送，降低人員因運送物料而造成翻倒的風險。本論文研究之目的以ROS（機器人作業系統，Robot Operating System）開發自動路徑規劃機器人，車體電力系統使用12V鋰電池，底盤使用麥克納姆輪(Mecanum wheel)可做到原地多方向移動，路徑規劃機器人搭載激光雷達與視覺鏡頭進行環境掃描建圖功能，並透過SLAM(Simultaneous Localization And Mapping)功能包技術建

構出2D環境地圖，再以AMCL(Adaptive Monte Carlo Localization) 功能包作為導航的功能，可實現機器人在導航中選擇最佳的路徑規劃。本研究設計一套C#人機介面平台來控制機器人，C#人機介面可發佈功能包命令、讀取數據值回傳、下載數據庫資料、控制機器人運動，並可透過人機介面按鈕功能來進行運動控制、建構地圖、運行功能包等選項，最後可使用VNC Viewer遠端監控機器人下達目標位置，實現自動路徑規劃與派車任務系統。