幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

移動機器人SLAM目標跟蹤及路徑規劃

  • 作者：陳孟元
  • 出版社：北京航空航天大學
  • ISBN：9787512425996
  • 出版日期：2018/05/01
  • 裝幀：平裝
  • 頁數：210
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    從簡單重複的勞動中解放出來一直是人類的夢想，也是人類創造發明機器人的主要目的之一。機器人具有可移動性，可以進一步擴大其使用範圍並能更好地提高其使用效率，但移動機器人在複雜環境中如何模仿人類進行自我導航和路徑規劃一直是難以解決的問題。陳孟元著的《移動機器人SLAM目標跟蹤及路徑規劃》系統地介紹了移動機器人及多移動機器人同步定位與地圖構建(SLAM)、目標跟蹤及路徑規劃三方面相對獨立又彼此相關的內容，尤其又擴展到移動機器人與無線感測網路、基於無線感測網路的目標跟蹤以及基於鼠類混合導航細胞的移動機器人衍生SLAM演算法等前沿問題。
    本書可作為理工科的碩士、博士研究生的參考書，同時也可供相關領域的科研工作者參考。
作者介紹
陳孟元
    陳孟元，安徽工程大學副教授，學術骨幹；中國科學技術大學博士。近年來，其主要從事移動機器人SLAM、目標跟蹤及路徑規劃的研究與教學，主持各類橫縱項目10余項，以第一作者發表學術論文30余篇(其中SCI／EI收錄10余篇)，以第一發明人獲得國家專利6項，獲得安徽省教學成果獎一、二等獎各1項，出版規劃教材2部。
目錄
第1章  緒論
  1.1  移動機器人同步定位與地圖構建研究
  1.2  多移動機器人協同定位研究
    1.2.1  多機器人系統研究
    1.2.2  多移動機器人協同體系結構
    1.2.3  多移動機器人協同定位研究現狀
  1.3  多移動機器人目標跟蹤研究
  1.4  多移動機器人路徑規劃研究
  1.5  本章小結
第2章  基於卡爾曼濾波及其衍生的同步定位與地圖構建演算法
  2.1  卡爾曼濾波及SLAM問題概述
    2.1.1  卡爾曼濾波的概述
    2.1.2  SLAM問題的概率描述
  2.2  基於擴展卡爾曼濾波的SLAM研究
    2.2.1  EKF-SLAM演算法
    2.2.2  EKF-SLAM演算法過程
    2.2.3  模擬實驗及分析
  2.3  基於無跡卡爾曼濾波的SLAM研究
    2.3.1  UKF-SLAM演算法
    2.3.2  UT變換
    2.3.3  UKF-SLAM演算法過程
    2.3.4  模擬實驗及分析
  2.4  基於UKF-SLAM改進演算法的研究
    2.4.1  SR-UKF-SLAM演算法
    2.4.2  SPSR-UKF-SLAM演算法
    2.4.3  模擬實驗及分析
  2.5  基於容積卡爾曼濾波及改進演算法的研究
    2.5.1  CKF演算法概述
    2.5.2  容積變換
    2.5.3  CKF演算法步驟
    2.5.4  SR-CKF-SLAM演算法
    2.5.5  ISR-CKF-SLAM演算法
    2.5.6  模擬實驗及分析
  2.6  本章小結
第3章  基於SR-CKF的多移動機器人協同定位及目標跟蹤演算法
  3.1  基於SR-CKF的多機器人協同定位演算法
    3.1.1  卡爾曼濾波器
    3.1.2  平方根容積卡爾曼濾波演算法在移動機器人定位中的應用
    3.1.3  基於SR-CKF的相對方位多機器人協同定位演算法
    3.1.4  模擬實驗及分析
  3.2  移動機器人動態目標跟蹤演算法
    3.2.1  移動機器人同時定位與動態目標跟蹤
    3.2.2  基於SR-CKF的移動機器人動態目標跟蹤演算法
    3.2.3  模擬實驗及分析
  3.3  多移動機器人協同定位與目標跟蹤研究
    3.3.1  多移動機器人編隊控制
    3.3.2  數據融合問題
    3.3.3  基於協方差交集的多機器人協同目標跟蹤演算法
    3.3.4  模擬實驗及分析
  3.4  本章小結

第4章  基於自適應SR-CKF的序貫式WSNs目標跟蹤演算法
  4.1  系統模型及問題
    4.1.1  目標運動模型
    4.1.2  感測器節點觀測模型
  4.2  自適應SR-CKF序貫式WSNs目標跟蹤演算法
  4.3  模擬實驗及分析
    4.3.1  模擬環境及參數
    4.3.2  模擬結果及性能分析
    4.3.3  跟蹤誤差分析
    4.3.4  運行時間及能耗分析
  4.4  本章小結
第5章  基於改進CKF的WSNs與移動機器人協作定位演算法
  5.1  系統模型及問題描述
    5.1.1  移動機器人-WSNs定位問題描述
    5.1.2  移動機器人-WSNs系統模型
  5.2  基於移動機器人輔助的改進CKF的節點定位演算法
    5.2.1  卡爾曼濾波在節點定位中的應用
    5.2.2  基於改進CKF的輔助節點定位演算法
    5.2.3  基於GM-CKF的輔助節點定位演算法
    5.2.4  模擬實驗及分析
  5.3  WSNs環境下基於改進CKF演算法的移動機器人定位演算法
    5.3.1  WSNs環境下移動機器人定位研究
    5.3.2  CKF演算法改進思想
    5.3.3  WSNs環境下移動機器人定位演算法實現流程
    5.3.4  模擬實驗及分析
  5.4  基於改進CKF演算法的WSNs與移動機器人協作定位
    5.4.1  協作定位問題描述與建模
    5.4.2  改進CKF演算法的WSNs與移動機器人協作定位
    5.4.3  模擬實驗及分析
  5.5  本章小結
第6章  基於粒子濾波(PF)的同步定位與地圖構建演算法
  6.1  基於快速同步定位與地圖構建的移動機器人演算法
    6.1.1  FastSLAM演算法的提出
    6.1.2  FastSLAM演算法分析
    6.1.3  優化的FastSLAM演算法基本原理
    6.1.4  模擬實驗及分析
  6.2  基於改進Rao-Blackwellized粒子濾波(RBPF)的SLAM演算法
    6.2.1  環境建模
    6.2.2  RBPF-SLAM演算法描述
    6.2.3  改進RBPF-SLAM演算法
    6.2.4  模擬實驗及分析
  6.3  本章小結
第7章  已知環境下全局路徑規劃演算法
  7.1  基於優化D*Lite演算法的移動機器人路徑規劃演算法
    7.1.1  演算法優化策略
    7.1.2  優化的D*Lite搜索過程
    7.1.3  優化的D*Lite演算法模擬
  7.2  基於改進蟻群演算法的移動機器人路徑規劃演算法
    7.2.1  環境模型的建立
    7.2.2  傳統蟻群演算法

    7.2.3  改進的蟻群路徑規劃演算法
    7.2.4  改進演算法流程
    7.2.5  模擬實驗及分析
  7.3  基於改進人工勢場法的移動機器人路徑規劃演算法_
    7.3.1  傳統人工勢場法
    7.3.2  修改引力場函數
    7.3.3  修改斥力場函數
    7.3.4  局部極小值分析
    7.3.5  模擬實驗及分析
  7.4  本章小結
第8章  未知環境下基於滾動窗口與多層Morphin的局部路徑規劃演算法
  8.1  問題描述
  8.2  滾動窗口規劃基本原理
    8.2.1  滾動規劃的方法
    8.2.2  滾動窗口的構造
  8.3  局部子目標點的選取
  8.4  障礙物預測模型及避碰策略
    8.4.1  障礙物預測模型
    8.4.2  避碰預測及策略
    8.4.3  演算法流程
    8.4.4  模擬實驗及分析
  8.5  未知環境下基於多層Morphin的局部路徑規劃演算法
    8.5.1  移動機器人運動學模型
    8.5.2  Morphin演算法原理
    8.5.3  多層Morphin搜索樹
    8.5.4  路徑評估函數
  8.6  本章小結
第9章  移動機器人混合路徑演算法及編隊控制
  9.1  基於改進量子粒子群和Morphin演算法的混合路徑規劃演算法
    9.1.1  基於改進QPSO的全局路徑規劃
    9.1.2  基於Morphin演算法的局部路徑規劃
    9.1.3  模擬實驗及分析
  9.2  基於人工勢場的多移動機器人系統編隊控制
    9.2.1  多移動機器人編隊控制演算法
    9.2.2  基於群集理論的多移動機器人系統運動控制模型
    9.2.3  多移動機器人編隊控制中的勢場函數
    9.2.4  基於人工勢場的多移動機器人編隊形成
    9.2.5  模擬實驗及分析
  9.3  基於虛擬領航和人工勢場的編隊控制
    9.3.1  基於虛擬領航者的機器人運動方程
    9.3.2  基於虛擬領航的群集演算法實現
    9.3.3  演算法穩定性分析
    9.3.4  模擬實驗及分析
  9.4  本章小結
第10章  基於鼠類腦細胞導航機理的移動機器人仿生SLAM演算法
  10.1  源於自然的機器人導航
    10.1.1  鼠類相關導航腦細胞
    10.1.2  國內外研究現狀及分析
    10.1.3  鼠類腦細胞導航機理下的仿生SLAM
  10.2  基於位姿細胞和局部場景細胞的SLAM演算法研究(VP-SLAM)

    10.2.1  模型概述
    10.2.2  實驗場景介紹
  10.3  基於實時關鍵幀匹配的閉環檢測模型研究(GVP-SLAM)
    10.3.1  模型概述
    10.3.2  模擬實驗及分析
  10.4  融合速度細胞和邊界細胞的鼠類導航模型研究(BVGSP-SLAM)
    10.4.1  模型概述
    10.4.2  模擬實驗及分析
  10.5  融合DGSOM神經網路的BVGSP-SLAM模型
    10.5.1  模型概述
    10.5.2  模擬實驗及分析
  10.6  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032