內容簡介
本書以移動機器人感測器系統的信息獲取、融合補償，異常診斷與預測，以及多機器人間的任務規劃作為研究內容，書中闡述了移動機器人的感知感測器毫米波雷達、雷射雷達與攝像機間的信息獲取、融合補償技術，給出了組合導航系統的異常診斷與預測方法，實現了多機器人間的均衡任務分配與最優路徑規劃。 本書可作為高等院校智慧型科學與技術、自動化、計算機科學與技術等專業的研究生或高年級本科生的專業基礎課輔助教材，亦可供廣大從事智慧型機器人、人工智慧、智慧型控制和智慧型系統研究、設計、套用領域的科研與工程人員提供參考。
圖書目錄
第1章 緒論 1
1.1 多感測器系統信息融合研究現狀 2
1.2 移動機器人感測器系統異常診斷研究現狀 5
1.3 多機器人任務規劃的研究現狀與發展趨勢 6
1.3.1 多機器人任務分配 7
1.3.2 多機器人路由規劃 9
1.4 本書章節安排 10
本章參考文獻 13
第2章 基於毫米波雷達的動態障礙信息獲取技術 21
2.1 毫米波雷達特性 22
2.1.1 毫米波雷達的工作頻率 23
2.1.2 毫米波雷達的調製方式 24
2.1.3 動態障礙信息的獲取原理 26
2.1.4 ESR測向方案 29
2.2 基於動態目標的自主車輔助防撞系統設計 30
2.2.1 安全距離模型設計 31
2.2.2 降低虛警率的防撞系統設計 39
2.3 自主車輔助防撞系統的硬體設計 42
2.3.1 輔助防撞系統框架 42
2.3.2 車載雷達選型及其安裝 43
2.4 自主車輔助防撞系統的軟體設計與實現 46
2.4.1 安全模型參數的選擇 46
2.4.2 總體框架設計 48
2.4.3 子模組的實現 49
2.4.4 彎道處理 57
2.4.5 軟體的調試與結果分析 57
本章參考文獻 60
第3章 雷射雷達與毫米波雷達的路況信息補償方法 64
3.1 雷射雷達特性及其工作原理 65
3.2 雷達信息提取 67
3.2.1 靜態環境信息提取方法 68
3.2.2 動態障礙物信息提取 72
3.3 毫米波雷達與雷射雷達融合與補償的技術 78
3.3.1 雷射雷達與毫米波雷達數據融合方案 78
3.3.2 雷射雷達動態信息數據補償方案 82
3.4 雷射雷達與毫米波雷達路況信息補償系統實現 83
3.4.1 總體框架設計 83
3.4.2 各子模組的實現 84
3.4.3 軟體的調試與結果分析 98
本章參考文獻 100
第4章 基於雷射雷達與攝像機的異質感測器信息融合與補償 101
4.1 光學視覺系統 103
4.2 數據採集及預處理 103
4.2.1 雷射雷達數據採集及預處理 104
4.2.2 攝像機數據採集 104
4.3 雷射雷達與攝像機補償系統平台搭建 105
4.4 雷射雷達和攝像機的數據融合與補償方法 107
4.4.1 深度圖像的坐標變換 107
4.4.2 攝像機標定 112
4.4.3 雷射雷達和攝像機的數據層融合與補償 114
4.5 基於CAMLASER系列工具的攝像機內部參數標定 120
4.6 數據融合參數估計與最佳化 123
4.6.1 實驗數據特徵點的提取 123
4.6.2 融合參數的估計與最佳化 126
4.6.3 誤差分析 129
4.7 實時數據處理及顯示 130
4.7.1 雷射雷達數據採集及顯示 131
4.7.2 攝像機數據採集及顯示 133
4.7.3 數據同步採集及實時數據融合 134
4.7.4 實時性分析 136
4.8 離線仿真及數據存儲 137
4.8.1 數據存儲 137
4.8.2 離線仿真 139
本章參考文獻 141
第5章 機器人航跡推算系統的異常診斷與主動容錯估計方法 143
5.1 機器人航跡推算系統異常診斷問題 144
5.2 基於模糊邏輯粒子濾波器的航跡推算系統硬軟故障
診斷方法 145
5.2.1 硬故障和軟故障描述 146
5.2.2 自適應故障空間 146
5.2.3 模糊診斷設計 147
5.2.4 模糊診斷粒子濾波器算法描述 150
5.3 機器人航跡推算系統硬軟故障診斷仿真分析 153
5.3.1 實驗結果分析 154
5.3.2 仿真驗證設計 160
5.4 自學習採樣粒子濾波器的不完備空間互動診斷 163
5.4.1 自學習採樣 164
5.4.2 自學習採樣與診斷機制動態互動最佳化粒子數 166
5.4.3 基於邊緣分布與信度的故障決策條件及其數學依據 168
5.4.4 自學習採樣粒子濾波器的不完備空間動態互動
故障診斷步驟 171
5.5 自學習採樣粒子濾波器算法分析與討論 173
5.5.1 非線性故障診斷模型仿真分析 173
5.5.2 航跡推算混合系統模型故障診斷實驗分析 176
5.6 基於聯邦濾波的多感測器主動容錯估計方法 180
5.6.1 聯邦濾波器結構 181
5.6.2 聯邦濾波算法 182
5.6.3 基於聯邦濾波器的故障檢測及其容錯方法 184
5.6.4 仿真實驗分析 186
5.6.5 基於聯邦濾波的組合導航系統實驗分析 191
本章參考文獻 195
第6章 機器人航跡推算系統的故障預測方法 201
6.1 粒子濾波器故障預測的基本原理 201
6.2 基於粒子濾波器的機器人航跡推算系統的故障預測方法 207
6.2.1 領域約束 208
6.2.2 故障模式間轉移機率參數的設定 209
6.2.3 仿真實驗與結果分析 211
6.3 基於粒子濾波器與支持向量機融合框架的故障預測 217
6.3.1 支持向量機的基本原理 217
6.3.2 基於SVM的加權故障機率預測方法 219
6.3.3 利用殘差改進粒子濾波器的故障預測方法 222
6.3.4 基於PF與SVM融合框架的故障預測方法 224
6.4 幾種粒子濾波器故障預測方法的實驗分析 226
6.4.1 粒子濾波器故障預測仿真軟體 226
6.4.2 幾種預測方法的分析與討論 228
本章參考文獻 233
第7章 基於群智慧型算法的多移動機器人任務規劃方法 234
7.1 蟻群算法求解多機器人任務探測 235
7.1.1 多機器人探測任務規劃問題描述 235
7.1.2 蟻群算法在多機器人任務探測中的套用 236
7.1.3 均分點蟻群算法求解多機器人負載均衡任務探測 248
7.1.4 多機器人團隊生成的複雜任務探測算法 256
7.2 基於當代學習自適應離散粒子群算法的多機器人任務分配 263
7.2.1 多機器人任務分配問題的提出 263
7.2.2 混合離散粒子群變異最佳化策略選取 264
7.2.3 當代學習自適應混合離散粒子群算法 273
7.2.4 最小失敗機率多機器人任務分配實驗分析 279
7.3 基於空間正交分配異質文化混合算法的多機器人
隨機增量任務規劃 286
7.3.1 基於異質互動式文化混合算法的移動機器人
路由規劃 286
7.3.2 空間正交分配異質文化混合算法在多機器人
任務規劃中的套用 296
7.3.3 多機器人隨機增量任務規劃仿真分析 307
本章參考文獻 313
第8章 總結與展望 317
8.1 異質感測器信息融合與補償方法總結與展望 317
8.2 機器人感測器系統異常診斷與預測總結分析 319
8.3 多機器人任務規劃方法的總結與展望 321
