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

1 緒論
1.1 自主導(dǎo)航技術(shù)簡(jiǎn)介
1.2 移動(dòng)機(jī)器人簡(jiǎn)介
1.2.1 移動(dòng)機(jī)器人分類
1.2.2 移動(dòng)機(jī)器人發(fā)展趨勢(shì)
1.3 移動(dòng)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(shì)
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(shì)
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(dòng)機(jī)器人運(yùn)動(dòng)和觀測(cè)模型
2.3.1 移動(dòng)機(jī)器人坐標(biāo)系統(tǒng)
2.3.2 運(yùn)動(dòng)模型
2.3.3 環(huán)境地圖和傳感器觀測(cè)模型
2.3.4 簡(jiǎn)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(jì)思路
3.2.2 干擾檢測(cè)和狀態(tài)方差膨脹
3.2.3 算法流程
3.3 仿真實(shí)驗(yàn)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(cuò)誤先驗(yàn)知識(shí)對(duì)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(yùn)動(dòng)和觀測(cè)模型
4.3.6 算法流程
4.3.7 仿真實(shí)驗(yàn)結(jié)果及分析
4.3.8 實(shí)驗(yàn)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M(fèi)H變異的遺傳重采樣
4.4.3 算法流程
4.4.4 仿真實(shí)驗(yàn)結(jié)果及分析
4.4.5 實(shí)驗(yàn)結(jié)果及分析
4.5 本章小結(jié)
5 基于云計(jì)算的SLAM算法
5.1 引言
5.2 基于流式計(jì)算的SLAM算法
5.2.1 基于流式計(jì)算的SLAM服務(wù)框架
5.2.2 基于流式計(jì)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(dòng)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(jì)思路
6.3.2 算法流程
6.3.3 算法性能分析
6.3.4 仿真實(shí)驗(yàn)結(jié)果及分析
6.3.5 實(shí)驗(yàn)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(píng)價(jià)
6.4.4 仿真實(shí)驗(yàn)
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(dòng)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(shí)驗(yàn)結(jié)果及分析
7.3 基于流式計(jì)算的路徑規(guī)劃算法
7.3.1 自主導(dǎo)航流式計(jì)算架構(gòu)
7.3.2 路徑規(guī)劃的流式計(jì)算
7.3.3 仿真實(shí)驗(yàn)結(jié)果及分析
7.3.4 實(shí)驗(yàn)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(hào)分析
8.2.1 人機(jī)交互下生理信號(hào)分析
8.2.2 基于Hurst指數(shù)的生理信號(hào)分析
8.2.3 基于流式計(jì)算的生理信號(hào)分析
8.3 本章小結(jié)
參考文獻(xiàn)