移動機(jī)器人自主導(dǎo)航關(guān)鍵技術(shù)及應(yīng)用

定　價：￥78.00

作　者：	暫缺
出版社：	吉林大學(xué)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥49.70)

ISBN：	9787569290585	出版時間：	2022-02-01	包裝：	平裝
開本：	16開	頁數(shù)：	195	字?jǐn)?shù)：

內(nèi)容簡介

　　《移動機(jī)器人自主導(dǎo)航關(guān)鍵技術(shù)及應(yīng)用》針對移動機(jī)器人自主導(dǎo)航技術(shù)的迫切需求，系統(tǒng)闡述了移動機(jī)器人自主導(dǎo)航的基礎(chǔ)知識和基本原理，總結(jié)了我國近年來在移動機(jī)器人自主導(dǎo)航領(lǐng)域的研究進(jìn)展和技術(shù)成果，研究了SLAM、路徑規(guī)劃、人機(jī)交互等自主導(dǎo)航技術(shù)，并對未來移動機(jī)器人自主導(dǎo)航技術(shù)的發(fā)展趨勢進(jìn)行了展望。本書內(nèi)容和工程實踐緊密結(jié)合，可為移動機(jī)器人自主導(dǎo)航技術(shù)的發(fā)展和工程應(yīng)用提供理論基礎(chǔ)和實踐指導(dǎo)，也可供從事移動機(jī)器人自主導(dǎo)航的科研工作者和高等院校相關(guān)專業(yè)師生參考。本書凝聚了江蘇海事職業(yè)技術(shù)學(xué)院航運大數(shù)據(jù)協(xié)同創(chuàng)新中心近年來在無人船、無人車自主導(dǎo)航工程實踐中積淀的技術(shù)經(jīng)驗和成果。

作者簡介

暫缺《移動機(jī)器人自主導(dǎo)航關(guān)鍵技術(shù)及應(yīng)用》作者簡介

圖書目錄

1 緒論
1.1 自主導(dǎo)航技術(shù)簡介
1.2 移動機(jī)器人簡介
1.2.1 移動機(jī)器人分類
1.2.2 移動機(jī)器人發(fā)展趨勢
1.3 移動機(jī)器人導(dǎo)航基礎(chǔ)
1.3.1 定位技術(shù)
1.3.2 地圖模型
1.3.3 傳感技術(shù)
1.4 SLAM
1.4.1 SLAM技術(shù)發(fā)展歷程
1.4.2 SLAM問題解決方案
1.4.3 SLAM研究的基礎(chǔ)問題
1.4.4 SLAM問題未來研究趨勢
1.5 路徑規(guī)劃
1.5.1 全局路徑規(guī)劃
1.5.2 局部路徑規(guī)劃
1.5.3 發(fā)展趨勢
1.6 人機(jī)交互
1.7 云機(jī)器人
2 SLAM算法基礎(chǔ)
2.1 概率機(jī)器人
2.1.1 概率論基礎(chǔ)
2.1.2 貝葉斯過濾器
2.1.3 基于貝葉斯的數(shù)據(jù)融合
2.1.4 貝葉斯濾波算法
2.2 SLAM問題描述
2.3 移動機(jī)器人運動和觀測模型
2.3.1 移動機(jī)器人坐標(biāo)系統(tǒng)
2.3.2 運動模型
2.3.3 環(huán)境地圖和傳感器觀測模型
2.3.4 簡化仿真模型
2.4 本章小結(jié)
3 基于Kalman濾波的SLAM算法
3.1 sLAM中常用卡爾曼濾波器
3.1.1 擴(kuò)展卡爾曼濾波
3.1.2 無跡卡爾曼濾波
3.2 抗外部干擾的卡爾曼濾波SLAM算法
3.2.1 算法設(shè)計思路
3.2.2 干擾檢測和狀態(tài)方差膨脹
3.2.3 算法流程
3.3 仿真實驗結(jié)果及分析
3.4 本章小結(jié)
4 基于粒子濾波的SLAM算法
4.1 引言
4.2 常用粒子濾波算法
4.2.1 Rao-Blackwellized粒子濾波算法
4.2.2 Gmapping算法
4.2.3 FastSLAM 2.0算法
4.3 基于DFC&ASD—PSO的FastSLAM算法
4.3.1 錯誤先驗知識對FastSLAM算法的影響
4.3.2 Qf和Rt調(diào)整的適應(yīng)度函數(shù)
4.3.3 DFC&ASD-PSO
4.3.4 Qt和Rt調(diào)整的流程
4.3.5 用于Qf和Rt調(diào)整粒子的運動和觀測模型
4.3.6 算法流程
4.3.7 仿真實驗結(jié)果及分析
4.3.8 實驗結(jié)果及分析
4.4 基于SR.UKF和改進(jìn)遺傳重采樣的FastSLAM算法
4.4.1 SR.UKF算法
4.4.2 基于雙賭輪選擇和快速MH變異的遺傳重采樣
4.4.3 算法流程
4.4.4 仿真實驗結(jié)果及分析
4.4.5 實驗結(jié)果及分析
4.5 本章小結(jié)
5 基于云計算的SLAM算法
5.1 引言
5.2 基于流式計算的SLAM算法
5.2.1 基于流式計算的SLAM服務(wù)框架
5.2.2 基于流式計算的多源異構(gòu)數(shù)據(jù)融合SLAM方法
5.3 邊云協(xié)同的SLAM算法
5.3.1 傳感器數(shù)據(jù)采集
5.3.2 邊端SLAM處理
5.3.3 云端SLAM處理
5.3.4 邊云數(shù)據(jù)融合
5.3.5 邊端局部地圖保存和粒子重采樣
5.4 本章小結(jié)
6 全局路徑規(guī)劃算法研究
6.1 引言
6.2 全局路徑規(guī)劃
6.2.1 路徑規(guī)劃問題描述
6.2.2 可視圖理論
6.2.3 靜態(tài)算法
6.2.4 動態(tài)算法
6.3 同步可視圖構(gòu)造和路徑搜索
6.3.1 算法設(shè)計思路
6.3.2 算法流程
6.3.3 算法性能分析
6.3.4 仿真實驗結(jié)果及分析
6.3.5 實驗結(jié)果及分析
6.4 基于改進(jìn)概率柵格分解的路徑規(guī)劃算法
6.4.1 基本概率柵格分解算法
6.4.2 改進(jìn)概率柵格分解算法
6.4.3 2算法性能評價
6.4.4 仿真實驗
6.5 本章小結(jié)
7 局部路徑規(guī)劃算法研究
7.1 引言
7.2 基于粒子群優(yōu)化和B樣條曲線的路徑規(guī)劃算法
7.2.1 多邊形動態(tài)生成
7.2.2 基于SVGA算法的路徑搜索
7.2.3 基于三次B樣條曲線和粒子群優(yōu)化的路徑平滑
7.2.4 算法流程
7.2.5 仿真實驗結(jié)果及分析
7.3 基于流式計算的路徑規(guī)劃算法
7.3.1 自主導(dǎo)航流式計算架構(gòu)
7.3.2 路徑規(guī)劃的流式計算
7.3.3 仿真實驗結(jié)果及分析
7.3.4 實驗結(jié)果及分析
7.4 本章小結(jié)
8 自主導(dǎo)航中的人機(jī)交互研究
8.1 人機(jī)交互控制
8.2 生理信號分析
8.2.1 人機(jī)交互下生理信號分析
8.2.2 基于Hurst指數(shù)的生理信號分析
8.2.3 基于流式計算的生理信號分析
8.3 本章小結(jié)
參考文獻(xiàn)