圖書信息
未知環境中移動機器人自定位技術
書 名: 未知環境中移動機器人自定位技術
作 者：於金霞
出版時間： 2011年1月1日
ISBN: 9787121123597
開本： 16開
定價: 39.00元
內容簡介
本書以未知環境中移動機器人導航控制中自定位技術作為研究內容，對未知環境中移動機器人自定位技術的基本原理、典型技術和研究進展進行了比較詳細的介紹和討論，並融入了作者多年來的相關研究成果。本書共分八章，重點介紹了內外部定位感測器誤差分析、複雜地形下的航跡推測、動態環境中基於環境感知的自定位、未知數據關聯下基於機率技術的並發建圖與定位等方面的研究進展，意在推動認知科學、模式識別等學科的前沿問題的研究，對提高探測移動機器人導航控制中的自定位技術水平具有重要的意義。
圖書目錄
第1章 概述
1.1 引言
1.2 移動機器人的研究概況
1.2.1 移動機器人的發展歷史
1.2.2 國際移動機器人的發展
1.2.3 國內移動機器人的發展
1.3 移動機器人導航和定位
1.3.1 移動機器人導航
1.3.2 移動機器人定位
1.3.3 環境模型的表示
1.4 移動機器人自定位的現狀分析
1.4.1 定位系統組成及定位誤差分析
1.4.2 移動機器人自定位的研究現狀分析
1.5 移動機器人自定位的研究難點
1.5.1 複雜地形下的航跡推測
1.5.2 動態環境建圖與定位
1.5.3 多感測器信息融合
1.5.4 其他因素
1.6 本書的內容安排
參考文獻
第2章 移動機器人定位感測器誤差分析
2.1 引言
2.2本體感受感測器
2.2.1 電位器
2.2.2 里程計
2.2.3 光纖陀螺儀
2.2.4 傾角感測器
2.3 環境感知感測器
2.3.1 雷射雷達
2.3.2 視覺感測器
2.3.3 超音波感測器
參考文獻
第3章 複雜地形下基於本體感受的移動機器人航跡推測
3.1 引言
3.2 移動機器人系統及其體系結構
3.2.1 移動機構與感測器系統
3.2.2 硬體系統
3.2.3 總體性能指標
3.3 移動機器人的航跡推測基礎
3.3.1輪式移動機器人的運動學模型
3.3.2 複雜地形下航跡推測的基礎
3.4 移動機器人航跡推測的輸出變換
3.4.1 航跡推測的輸出變換
3.4.2 航跡推測方程
3.5 基於搖架機構的速度矢量角分析
3.5.1 搖架約束下的速度矢量角分析
3.5.2 矢量角計算的奇異狀態
3.5.3 基於運動學分析的航跡推測算法實現
3.6 移動機器人的運動仿真與實驗分析
3.6.1 移動機器人階躍地形下的運動學仿真
3.6.2 平緩變化地形下的運動學仿真
3.6.3 移動機器人航跡推測的實驗
參考文獻
第4章 動態環境中基於雷射雷達感知的地圖匹配自定位
4.1 引言
4.2 雷射雷達環境感知的原理
4.3 基於雷射雷達的環境感知
4.3.1 系統結構組成
4.3.2 環境建圖原理
4.3.3 高度圖的建立
4.3.4 實驗分析
4.4 動態環境中動、靜態障礙的檢測與分析
4.4.1 基於空間聚類的障礙分類
4.4.2 聚類障礙屬性參數及關聯性分析
4.4.3 基於聚類障礙時空關聯的動、靜態屬性檢測
4.4.4 實驗分析
4.5 基於改進建議分布的粒子濾波的動態障礙跟蹤定位
4.5.1 粒子濾波PF及其建議分布選擇
4.5.2 基於改進建議分布的粒子濾波的動態障礙跟蹤定位
4.5.3 實驗分析
4.6 基於模糊似然估計的局部靜態地圖匹配定位
4.6.1 基於最大似然估計MLE的局部地圖匹配
4.6.2 模糊邏輯在地圖匹配中的套用
4.6.3 實驗分析
參考文獻
第5章 動態環境中基於視覺感知的運動目標跟蹤定位
5.1 引言
5.2 視覺環境感知的原理
5.2.1 基於運動分析方法
5.2.2 立體視覺障礙物檢測方法
5.3 基於自適應圖像分割的障礙物檢測
5.3.1 彩色圖像分割的基本理論
5.3.2 自適應圖像分割算法
5.3.3 實驗分析
5.4 基於立體視覺的環境感知
5.4.1 空間點的重建
5.4.2 基於投影直線方程的立體視覺的計算
5.4.3 結合自適應分割的立體視覺環境感知
5.4.4 實驗分析
5.5 基於移動機器人視覺系統的運動目標跟蹤定位
5.5.1 運動目標參數估計
5.5.2 三幀差背景剪除
5.5.3 運動補償
5.5.4 擴展Kalman濾波
5.5.5 運動目標提取
5.5.6 差分模板更新
5.5.7 基於視覺系統的運動目標跟蹤定位
5.5.8 實驗分析
參考文獻
第6章 未知數據關聯下基於PF的增量式環境建圖與自定位
6.1 引言
6.2 增量式環境建模與自定位的機率定義
6.2.1 增量式環境建模與自定位的機率描述
6.2.2 基於粒子濾波PF的SLAM
6.3 改進的RBPF濾波算法實現增量式環境建模與自定位
6.3.1 基於模糊聚類算法的特徵提取
6.3.2 增量式數據關聯及特徵匹配
6.3.3 改進的RBPF濾波算法實現增量式環境建模與自定位
6.4 基於雷射雷達魯棒測量模型的並發建圖與定位
6.4.1 現狀分析
6.4.2 雷射雷達異常檢測與濾除
6.4.3 雷射雷達魯棒測量模型
6.4.4 基於雷射雷達魯棒測量模型的並發定位與建圖
參考文獻
第7章 未知環境中基於HMM的增量式視覺拓撲建模與自定位
7.1 引言
7.2 增量式環境建模與自定位的常用機率方法
7.2.1 常用的機率方法
7.2.2 用於建模與定位的機器視覺技術
7.3 未知環境的自然路標檢測、表示與識別
7.3.1 現狀分析
7.3.2 視覺顯著性（Saliency）
7.3.3 基於視覺顯著性的自然路標檢測機制
7.3.4 存儲與識別
7.3.5 實驗分析
7.4 基於HMM的增量式視覺拓撲建模與自定位
7.4.1 現狀分析
7.4.2 基於HMM的拓撲定位簡介
7.4.3 增量式拓撲建模
7.4.4 自定位
7.4.5 實驗分析
參考文獻
第8章 研究展望
8.1 未來研究趨勢
8.1.1 未知環境中單機器人自定位技術
8.1.2 未知環境中多移動機器人協作自定位技術
8.2 結束語
參考文獻
