掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 復(fù)雜未知環(huán)境中移動機(jī)器人SLAM技術(shù)及應(yīng)用
作者：徐巍軍 著
開本：
其他
頁數(shù)：
202
本類榜單：工業(yè)技術(shù)銷量榜
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(下)
-
>
基于個性化設(shè)計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
復(fù)雜未知環(huán)境中移動機(jī)器人SLAM技術(shù)及應(yīng)用 版權(quán)信息
- ISBN：9787308231824
- 條形碼：9787308231824 ; 978-7-308-23182-4
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
復(fù)雜未知環(huán)境中移動機(jī)器人SLAM技術(shù)及應(yīng)用 內(nèi)容簡介
移動機(jī)器人的實際作業(yè)環(huán)境存在各種不確定干擾因素，其測量系統(tǒng)的噪聲往往具有非高斯重尾分布或者參數(shù)先驗信息未知等特性。在這些復(fù)雜未知環(huán)境下，傳統(tǒng)的基于貝葉斯濾波估計技術(shù)的同時定位與地圖創(chuàng)建（Simultaneous Localization and Mapping，簡稱SLAM）算法性能受到了嚴(yán)重影響，其定位精度、地圖準(zhǔn)確性和計算效率無法滿足實際應(yīng)用的需求。為了提高傳統(tǒng)算法在水下等復(fù)雜未知環(huán)境下的估計性能，本書分別對基于高斯濾波器、粒子濾波器和概率假設(shè)密度濾波器的SLAM技術(shù)進(jìn)行了改進(jìn)，同時就自主式水下潛器(AutonomousUnderwater Vehicle，簡稱AUV)自主導(dǎo)航應(yīng)用進(jìn)行了重點研究。
復(fù)雜未知環(huán)境中移動機(jī)器人SLAM技術(shù)及應(yīng)用 目錄
第1章 移動機(jī)器人SLAM技術(shù)概述
1.1 引 言
1.2 SLAM技術(shù)發(fā)展及應(yīng)用現(xiàn)狀
1.2.1 國外SLAM技術(shù)發(fā)展及應(yīng)用現(xiàn)狀
1.2.2 國內(nèi)SLAM技術(shù)發(fā)展及應(yīng)用現(xiàn)狀
1.3 環(huán)境地圖表示方法
1.3.1 基于柵格的地圖表示法
1.3.2 基于拓?fù)涞牡貓D表示法
1.3.3 基于特征的地圖表示法
1.3.4 基于視圖的地圖表示法
1.3.5 基于語義的地圖表示法
1.3.6 混合地圖表示法
1.4 SLAM算法研究進(jìn)展分析
1.4.1 基于高斯濾波器的SLAM算法
1.4.2 基于粒子濾波器的SLAM算法
1.4.3 基于概率假設(shè)密度濾波器的SLAM算法
1.4.4 基于圖優(yōu)化的SLAM算法
參考文獻(xiàn)
第2章 SLAM隨機(jī)概率模型及算法框架
2.1 引 言
2.2 概率機(jī)器人學(xué)基礎(chǔ)
2.2.1 概率統(tǒng)計學(xué)基礎(chǔ)
2.2.2 機(jī)器人學(xué)不確定性
2.3 貝葉斯?fàn)顟B(tài)估計原理及方法
2.3.1 貝葉斯模型構(gòu)成
2.3.2 貝葉斯濾波方程及求解方法
2.3.3 高斯濾波器
2.3.4 粒子濾波器
2.3.5 概率假設(shè)密度濾波器
2.4 移動機(jī)器人SLAM概率模型
2.4.1 機(jī)器人運動模型
2.4.2 路標(biāo)特征測量模型
2.4.3 遞歸運算過程
2.5 基于高斯濾波器的SLAM算法
2.5.1 高斯濾波SLAM算法原理
2.5.2 高斯濾波SLAM算法流程
2.6 基于粒子濾波器的SLAM算法
2.6.1 FastSLAM算法原理
2.6.2 FastSLAM算法流程
2.7 基于概率假設(shè)密度濾波器的SLAM算法
2.7.1 概率假設(shè)密度濾波SLAM算法原理
2.7.2 概率假設(shè)密度濾波SLAM算法實現(xiàn)
參考文獻(xiàn)
第3章 基于統(tǒng)計線性回歸魯棒優(yōu)化的高斯濾波SLAM算法
3.1 引 言
3.2 估計原理與發(fā)展歷史
3.2.1 估計原理概述
3.2.2 魯棒性估計發(fā)展歷程
3.3 估計算法的魯棒性定義
3.3.1 定性魯棒性
3.3.2 全局魯棒性
3.3.3 局部魯棒性
3.4 基于線性回歸的魯棒估計算法
3.4.1 經(jīng)典極大似然估計
3.4.2 廣義極大似然估計
3.4.3 常用魯棒代價函數(shù)
3.4.4 估計性能評價指標(biāo)
3.5 非線性濾波技術(shù)原理與分類
3.5.1 非線性濾波方法概述
3.5.2 基于函數(shù)線性化的近似方法
3.5.3 基于確定性采樣的近似方法
3.5.4 加權(quán)統(tǒng)計線性回歸方法
3.6 典型的Sigma點濾波算法
3.6.1 無跡卡爾曼濾波器
3.6.2 中心差分卡爾曼濾波器
3.6.3 求積分卡爾曼濾波器
3.6.4 容積卡爾曼濾波器
3.7 基于統(tǒng)計線性回歸的高斯濾波SLAM算法
3.7.1 HSCKF-SLAM預(yù)測估計
3.7.2 HSCKF-SLAM測量更新
3.7.3 HSCKF-SLAM新特征初始化
3.7.4 HSCKF-SLAM魯棒測量更新
3.8 數(shù)值仿真實驗與結(jié)果分析
3.8.1 SLAM算法仿真環(huán)境介紹
3.8.2 SLAM算法估計性能度量指標(biāo)
3.8.3 仿真實驗結(jié)果分析
參考文獻(xiàn)
第4章 基于自適應(yīng)粒子重采樣的UFastSLAM算法
4.1 引 言
4.2 粒子濾波器基本原理
4.2.1 蒙特卡羅方法
4.2.2 馬爾可夫蒙特卡羅方法
4.2.3 粒子重要性采樣
4.2.4 序貫重要性采樣
4.2.5 序貫重要性重采樣
4.2.6 Rao-Blackwellized粒子濾波器
4.3 粒子濾波器關(guān)鍵問題及其常用改善方法
4.3.1 粒子退化與粒子貧乏問題
4.3.2 重要性密度函數(shù)的選擇
4.3.3 重采樣策略的選擇
4.3.4 計算效率和估計精度
4.4 粒子濾波器性能改進(jìn)方法
4.4.1 基于轉(zhuǎn)換無跡變換的粒子提議分布
4.4.2 自適應(yīng)粒子重采樣
4.5 基于自適應(yīng)粒子重采樣的UFastSLAM算法
4.5.1 粒子提議分布函數(shù)估計
4.5.2 環(huán)境特征地圖創(chuàng)建
4.5.3 粒子重要性權(quán)值計算及自適應(yīng)粒子重采樣
4.5.4 算法計算復(fù)雜度分析
4.6 數(shù)值仿真實驗與結(jié)果分析
4.6.1 仿真實驗結(jié)果
4.6.2 實際數(shù)據(jù)集實驗結(jié)果
參考文獻(xiàn)
第5章 同時估計未知噪聲方差的概率假設(shè)密度SLAM算法
5.1 引 言
5.2 隨機(jī)有限集統(tǒng)計學(xué)理論基礎(chǔ)
5.2.1 隨機(jī)有限集基本定義
5.2.2 隨機(jī)有限集的統(tǒng)計描述
5.2.3 常用的隨機(jī)有限集
5.2.4 隨機(jī)有限集貝葉斯濾波器
5.2.5 概率假設(shè)密度濾波器
5.2.6 多目標(biāo)濾波估計性能評價指標(biāo)
5.3 變分貝葉斯估計基本理論
5.3.1 概率估計方法分類
5.3.2 *大后驗估計
5.3.3 期望*大化估計
5.3.4 變分貝葉斯估計
5.3.5 含未知測量噪聲方差的系統(tǒng)模型
5.3.6 改進(jìn)的高斯混合概率假設(shè)密度濾波器
5.4 基于變分貝葉斯估計的概率假設(shè)密度SLAM算法
5.4.1 特征地圖及測量噪聲參數(shù)預(yù)測
5.4.2 特征地圖及測量噪聲參數(shù)更新
5.4.3 特征地圖提取
5.4.4 機(jī)器人位姿狀態(tài)估計
5.5 數(shù)值仿真實驗與結(jié)果分析
5.5.1 仿真環(huán)境
5.5.2 仿真結(jié)果
參考文獻(xiàn)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
附錄 縮寫術(shù)語對照表
展開全部
書友推薦
- >
推拿
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
我與地壇
- >
月亮與六便士
- >
月亮虎
- >
唐代進(jìn)士錄
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
煙與鏡
本類暢銷
