惯导书籍,介绍理论,内容很丰富,值得一看.

关于高速传感器/GPS导航的经典书籍。里面内容详细，举例充分，易于读者理解。

自己调试ROS navigation时用到的一些东西，包括kinetic navigation包、自己搭建的gazebo仿真地图以及机器人、基于ORB_SLAM的视觉里程计发布程序、参考用的两篇文章：ROS导航调优指南以及多层地图讲解

主要内容： 移动机器人SLAM的多摄像机计算机视觉导航 采用多台摄像机达到精确的定位建图

视频图matlab代码机器人导航 这是在BigData4Healthcare 2017（IEEE BigComp 2017的研讨会）中介绍的论文的实现。 通过改进Michal Kramarczyk的初始代码，可以实现基于神经网络的机器人导航。 测试机器人导航的视频 机器人导航模拟器 研究总结 问题陈述 自主导航机器人存在挑战，例如环境，障碍物和目标位置的频繁变化。 研究目的 验证基于神经网络的自主导航机器人的潜力 在自主移动机器人的导航中将RNN与MLP进行比较 建议的解决方案 将RNN和MLP用于自动导航机器人可以更好地概括环境，障碍物和目标位置。 实验结果 通过训练有素的地图和训练有素的目标进行测试，两个网络的性能在每个迷宫中都各不相同。 通过训练有素的地图和新目标进行测试，基于RNN的机器人比基于MLP的机器人可以更好地导航。 使用新地图和新目标进行测试，基于RNN的机器人即使在全新环境中也可以导航。 贡献 基于RNN的机器人表现出总体上比MLP更好的性能，因为RNN可以处理任意时间动态。 与MLP相比，RNN对新的迷宫和目标具有更好的泛化能力。 安装 机器人导航模拟器和神经网络

Openshoe-球体极限法 MATLAB的双脚惯性导航系统的实现，使用球面极限法（SLM）来减少系统的航向漂移。 引文 @INPROCEEDINGS{6498266, author={G. V. Prateek and R. Girisha and K. V. S. Hari and P. Händel}, booktitle={2013 4th International Conference on Intelligent Systems, Modelling and Simulation}, title={Data Fusion of Dual Foot-Mounted INS to Reduce the Systematic Heading Drift}, year={2013}, pages={208-213}, month={Jan}} @INPROCEEDINGS{7275

巴沙勒姆经典书中的源代码，对于深入了解数据关联以及跟踪方面很有意义。

arips_local_planner 实施ROS 接口的本地计划程序插件，用于2D机器人导航。 该软件包应被视为仍在构建中的Alpha版本。 基本思路： 从目标位置开始创建势场，然后将机器人移至势场负梯度的方向。 请注意，势场不同于标准ROS /“所使用的计分方法，因为那里的障碍物/路径/目标成本是逐元素加在一起的，因此必须找到使机器人避免行进的参数太靠近太障碍，但仍然允许狭窄的通道通过。 势场是由Dijkstra算法创建的，它使用膨胀的障碍物成本图对从一个单元格到另一个单元格的运动进行评分。 这样，势场即使在非常狭窄的通道中也始终会拉动机器人，同时力图与障碍物保持最大可能的距离。 该计划器最适合完整的或可以原地旋转的机器人（例如差速驱动器）。

（点击图片观看视频） 启动 Roomba 代码的主要类是 au.com.rsutton.entryPoint.Main

rrtstar的matlab代码RRTstar ROS导航规划器 这是RRT * Path Planner的ROS程序包，该计划程序可以将ROS导航程序包作为全局计划程序插入 这是实施的视频