掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
深度學習
-
>
Unreal Engine 4藍圖完全學習教程
-
>
深入理解計算機系統(tǒng)-原書第3版
-
>
Word/Excel PPT 2013辦公應用從入門到精通-(附贈1DVD.含語音視頻教學+辦公模板+PDF電子書)
移動機器人自主控制 版權信息
- ISBN：9787121458590
- 條形碼：9787121458590 ; 978-7-121-45859-0
- 裝幀：平塑
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
移動機器人自主控制 內(nèi)容簡介
本書系統(tǒng)研究了移動機器人自主控制問題，著重研究了各種人工智能理論與方法在移動機器人自主導航與路徑規(guī)劃、機器人視覺與環(huán)境感知、機器人同步定位與建圖、多機器人協(xié)作等方面的具體解決思路，并給出實驗結(jié)果和分析。全書分為8章，包括緒論、移動機器人導航、移動機器人路徑規(guī)劃、機器人視覺技術、機器人環(huán)境感知、機器人同步定位與建圖、多機器人協(xié)作以及移動機器人自主控制進展與展望。
移動機器人自主控制 目錄
目 錄
第1章 緒論 1
1.1 移動機器人簡介 1
1.1.1 移動機器人的定義 1
1.1.2 移動機器人的組成 2
1.1.3 移動機器人的特點 4
1.2 移動機器人的關鍵技術 5
1.2.1 環(huán)境感知 5
1.2.2 導航與路徑規(guī)劃 6
1.2.3 機器人視覺 7
1.2.4 同步定位與地圖構(gòu)建 7
1.2.5 多機器人協(xié)作 8
1.3 移動機器人的研究進展 8
1.3.1 移動機器人的發(fā)展歷史 8
1.3.2 移動機器人的研究展望 10
1.4 本書的主要內(nèi)容和結(jié)構(gòu)安排 12
1.5 本章小結(jié) 13
參考文獻 13
第2章 移動機器人導航 16
2.1 移動機器人導航概述 16
2.1.1 移動機器人導航的發(fā)展歷史 16
2.1.2 移動機器人的常用導航方式 17
2.1.3 傳統(tǒng)導航方法簡介 18
2.2 基于改進強化學習的移動機器人導航 20
2.2.1 強化學習概述 20
2.2.2 基于生物刺激神經(jīng)網(wǎng)絡改進Q學習算法的移動機器人導航 23
2.2.3 實驗及結(jié)果分析 27
2.3 模糊控制與虛擬力場法相結(jié)合的移動機器人導航 30
2.3.1 虛擬力場法簡介 30
2.3.2 基于模糊控制改進虛擬力場法的移動機器人導航 33
2.3.3 實驗及結(jié)果分析 37
2.4 本章小結(jié) 41
參考文獻 42
第3章 移動機器人路徑規(guī)劃 44
3.1 移動機器人路徑規(guī)劃概述 44
3.2 傳統(tǒng)路徑規(guī)劃方法簡介 45
3.2.1 構(gòu)形空間法 45
3.2.2 可視圖法 45
3.2.3 柵格法 46
3.2.4 拓撲法 47
3.2.5 概率路徑圖法 48
3.3 基于人工蜂群算法的移動機器人路徑規(guī)劃 49
3.3.1 人工蜂群算法簡介 49
3.3.2 基于改進人工蜂群算法的路徑規(guī)劃方法 50
3.3.3 實驗及結(jié)果分析 54
3.4 基于蛙跳算法的移動機器人路徑規(guī)劃 57
3.4.1 蛙跳算法簡介 57
3.4.2 基于改進蛙跳算法的路徑規(guī)劃 58
3.4.3 實驗及結(jié)果分析 60
3.5 基于文化基因算法的路徑規(guī)劃 63
3.5.1 文化基因算法簡介 63
3.5.2 基于改進文化基因算法的路徑規(guī)劃 64
3.5.3 實驗及結(jié)果分析 68
3.6 本章小結(jié) 72
參考文獻 72
第4章 移動機器人視覺 74
4.1 移動機器人視覺技術概述 74
4.1.1 機器人視覺技術簡介 74
4.1.2 移動機器人視覺技術的發(fā)展概況 75
4.2 基于改進ViBe的運動目標檢測 76
4.2.1 改進ViBe算法的原理 77
4.2.2 實驗結(jié)果與分析 80
4.2.3 基于I-ViBe的運動目標檢測的背景更新機制和實時性 84
4.3 基于KCF的運動目標跟蹤 85
4.3.1 基于改進KCF的運動目標跟蹤 86
4.3.2 實驗結(jié)果與分析 91
4.3.3 SLKCF跟蹤算法在復雜環(huán)境中的性能 95
4.4 本章小結(jié) 96
參考文獻 97
第5章 移動機器人環(huán)境感知 100
5.1 移動機器人環(huán)境感知概述 100
5.1.1 環(huán)境感知的主要任務 100
5.1.2 移動機器人常用環(huán)境感知傳感器 101
5.2 基于改進ORB的場景特征提取與匹配 104
5.2.1 圖像特征提取與匹配算法簡介 104
5.2.2 改進ORB特征提取與匹配算法 108
5.2.3 實驗結(jié)果與分析 109
5.3 半稠密地圖的構(gòu)建 113
5.3.1 像素篩選策略 114
5.3.2 逆深度估計 115
5.3.3 基于圖像金字塔的逆深度傳遞 117
5.3.4 實驗與結(jié)果分析 119
5.4 基于深度神經(jīng)網(wǎng)絡的移動機器人道路場景分類 120
5.4.1 改進的場景分類深度神經(jīng)網(wǎng)絡 121
5.4.2 實驗與結(jié)果分析 125
5.4.3 關于局部特征提取和全局特征提取的討論 129
5.5 本章小結(jié) 131
參考文獻 131
第6章 移動機器人同步定位與建圖 134
6.1 移動機器人同步定位與建圖概述 134
6.1.1 移動機器人定位概述 134
6.1.2 移動機器人地圖建模概述 139
6.1.3 移動機器人SLAM概述 141
6.2 基于改進擴展卡爾曼濾波的移動機器人SLAM算法 144
6.2.1 算法描述 144
6.2.2 仿真實驗和結(jié)果分析 147
6.3 基于改進生物啟發(fā)方法的移動機器人SLAM算法 151
6.3.1 算法描述 151
6.3.2 室內(nèi)移動機器人SLAM實驗 157
6.4 基于深度學習的移動機器人語義SLAM算法 163
6.4.1 移動機器人語義SLAM算法概述 163
6.4.2 基于卷積神經(jīng)網(wǎng)絡的移動機器人語義SLAM算法 168
6.4.3 實驗及結(jié)果分析 172
6.5 本章小結(jié) 175
參考文獻 175
第7章 多機器人協(xié)作 179
7.1 多機器人協(xié)作概述 179
7.1.1 多機器人協(xié)作的研究進展 179
7.1.2 多機器人協(xié)作的主要研究內(nèi)容 183
7.2 基于自組織神經(jīng)網(wǎng)絡的任務分配算法 184
7.2.1 任務分配問題描述 185
7.2.2 任務分配算法 185
7.2.3 實驗及結(jié)果分析 187
7.3 基于動態(tài)生物刺激神經(jīng)網(wǎng)絡的多機器人系統(tǒng)編隊 190
7.3.1 編隊問題的描述 191
7.3.2 基于動態(tài)生物刺激神經(jīng)網(wǎng)絡的多機器人系統(tǒng)導航 193
7.3.3 編隊仿真實驗及結(jié)果分析 195
7.4 基于精確勢博弈的多無人機協(xié)同覆蓋搜索 199
7.4.1 多無人機協(xié)同覆蓋搜索概述 199
7.4.2 勢博弈方法概述 200
7.4.3 基于精確勢博弈的多無人機協(xié)同覆蓋方法 202
7.4.4 實驗及結(jié)果分析 207
7.5 本章小結(jié) 213
參考文獻 213
第8章 移動機器人自主控制進展 218
8.1 移動機器人自主控制的研究進展 218
8.1.1 基于生物啟發(fā)式算法的移動機器人自主控制 218
8.1.2 基于深度神經(jīng)網(wǎng)絡的移動機器人自主控制 225
8.2 基于改進脊椎神經(jīng)系統(tǒng)的異構(gòu)多AUV協(xié)同圍捕算法 232
8.2.1 異構(gòu)多AUV協(xié)同圍捕問題描述 232
8.2.2 異構(gòu)多AUV協(xié)同圍捕算法 234
8.2.3 實驗和結(jié)果分析 238
8.3 基于改進肉芽腫形成算法的移動機器人故障自恢復算法 245
8.3.1 移動機器人故障自恢復問題描述 245
8.3.2 機器人故障自恢復方法 248
8.3.3 實驗及結(jié)果分析 256
8.4 本章小結(jié) 264
參考文獻 264
第1章 緒論 1
1.1 移動機器人簡介 1
1.1.1 移動機器人的定義 1
1.1.2 移動機器人的組成 2
1.1.3 移動機器人的特點 4
1.2 移動機器人的關鍵技術 5
1.2.1 環(huán)境感知 5
1.2.2 導航與路徑規(guī)劃 6
1.2.3 機器人視覺 7
1.2.4 同步定位與地圖構(gòu)建 7
1.2.5 多機器人協(xié)作 8
1.3 移動機器人的研究進展 8
1.3.1 移動機器人的發(fā)展歷史 8
1.3.2 移動機器人的研究展望 10
1.4 本書的主要內(nèi)容和結(jié)構(gòu)安排 12
1.5 本章小結(jié) 13
參考文獻 13
第2章 移動機器人導航 16
2.1 移動機器人導航概述 16
2.1.1 移動機器人導航的發(fā)展歷史 16
2.1.2 移動機器人的常用導航方式 17
2.1.3 傳統(tǒng)導航方法簡介 18
2.2 基于改進強化學習的移動機器人導航 20
2.2.1 強化學習概述 20
2.2.2 基于生物刺激神經(jīng)網(wǎng)絡改進Q學習算法的移動機器人導航 23
2.2.3 實驗及結(jié)果分析 27
2.3 模糊控制與虛擬力場法相結(jié)合的移動機器人導航 30
2.3.1 虛擬力場法簡介 30
2.3.2 基于模糊控制改進虛擬力場法的移動機器人導航 33
2.3.3 實驗及結(jié)果分析 37
2.4 本章小結(jié) 41
參考文獻 42
第3章 移動機器人路徑規(guī)劃 44
3.1 移動機器人路徑規(guī)劃概述 44
3.2 傳統(tǒng)路徑規(guī)劃方法簡介 45
3.2.1 構(gòu)形空間法 45
3.2.2 可視圖法 45
3.2.3 柵格法 46
3.2.4 拓撲法 47
3.2.5 概率路徑圖法 48
3.3 基于人工蜂群算法的移動機器人路徑規(guī)劃 49
3.3.1 人工蜂群算法簡介 49
3.3.2 基于改進人工蜂群算法的路徑規(guī)劃方法 50
3.3.3 實驗及結(jié)果分析 54
3.4 基于蛙跳算法的移動機器人路徑規(guī)劃 57
3.4.1 蛙跳算法簡介 57
3.4.2 基于改進蛙跳算法的路徑規(guī)劃 58
3.4.3 實驗及結(jié)果分析 60
3.5 基于文化基因算法的路徑規(guī)劃 63
3.5.1 文化基因算法簡介 63
3.5.2 基于改進文化基因算法的路徑規(guī)劃 64
3.5.3 實驗及結(jié)果分析 68
3.6 本章小結(jié) 72
參考文獻 72
第4章 移動機器人視覺 74
4.1 移動機器人視覺技術概述 74
4.1.1 機器人視覺技術簡介 74
4.1.2 移動機器人視覺技術的發(fā)展概況 75
4.2 基于改進ViBe的運動目標檢測 76
4.2.1 改進ViBe算法的原理 77
4.2.2 實驗結(jié)果與分析 80
4.2.3 基于I-ViBe的運動目標檢測的背景更新機制和實時性 84
4.3 基于KCF的運動目標跟蹤 85
4.3.1 基于改進KCF的運動目標跟蹤 86
4.3.2 實驗結(jié)果與分析 91
4.3.3 SLKCF跟蹤算法在復雜環(huán)境中的性能 95
4.4 本章小結(jié) 96
參考文獻 97
第5章 移動機器人環(huán)境感知 100
5.1 移動機器人環(huán)境感知概述 100
5.1.1 環(huán)境感知的主要任務 100
5.1.2 移動機器人常用環(huán)境感知傳感器 101
5.2 基于改進ORB的場景特征提取與匹配 104
5.2.1 圖像特征提取與匹配算法簡介 104
5.2.2 改進ORB特征提取與匹配算法 108
5.2.3 實驗結(jié)果與分析 109
5.3 半稠密地圖的構(gòu)建 113
5.3.1 像素篩選策略 114
5.3.2 逆深度估計 115
5.3.3 基于圖像金字塔的逆深度傳遞 117
5.3.4 實驗與結(jié)果分析 119
5.4 基于深度神經(jīng)網(wǎng)絡的移動機器人道路場景分類 120
5.4.1 改進的場景分類深度神經(jīng)網(wǎng)絡 121
5.4.2 實驗與結(jié)果分析 125
5.4.3 關于局部特征提取和全局特征提取的討論 129
5.5 本章小結(jié) 131
參考文獻 131
第6章 移動機器人同步定位與建圖 134
6.1 移動機器人同步定位與建圖概述 134
6.1.1 移動機器人定位概述 134
6.1.2 移動機器人地圖建模概述 139
6.1.3 移動機器人SLAM概述 141
6.2 基于改進擴展卡爾曼濾波的移動機器人SLAM算法 144
6.2.1 算法描述 144
6.2.2 仿真實驗和結(jié)果分析 147
6.3 基于改進生物啟發(fā)方法的移動機器人SLAM算法 151
6.3.1 算法描述 151
6.3.2 室內(nèi)移動機器人SLAM實驗 157
6.4 基于深度學習的移動機器人語義SLAM算法 163
6.4.1 移動機器人語義SLAM算法概述 163
6.4.2 基于卷積神經(jīng)網(wǎng)絡的移動機器人語義SLAM算法 168
6.4.3 實驗及結(jié)果分析 172
6.5 本章小結(jié) 175
參考文獻 175
第7章 多機器人協(xié)作 179
7.1 多機器人協(xié)作概述 179
7.1.1 多機器人協(xié)作的研究進展 179
7.1.2 多機器人協(xié)作的主要研究內(nèi)容 183
7.2 基于自組織神經(jīng)網(wǎng)絡的任務分配算法 184
7.2.1 任務分配問題描述 185
7.2.2 任務分配算法 185
7.2.3 實驗及結(jié)果分析 187
7.3 基于動態(tài)生物刺激神經(jīng)網(wǎng)絡的多機器人系統(tǒng)編隊 190
7.3.1 編隊問題的描述 191
7.3.2 基于動態(tài)生物刺激神經(jīng)網(wǎng)絡的多機器人系統(tǒng)導航 193
7.3.3 編隊仿真實驗及結(jié)果分析 195
7.4 基于精確勢博弈的多無人機協(xié)同覆蓋搜索 199
7.4.1 多無人機協(xié)同覆蓋搜索概述 199
7.4.2 勢博弈方法概述 200
7.4.3 基于精確勢博弈的多無人機協(xié)同覆蓋方法 202
7.4.4 實驗及結(jié)果分析 207
7.5 本章小結(jié) 213
參考文獻 213
第8章 移動機器人自主控制進展 218
8.1 移動機器人自主控制的研究進展 218
8.1.1 基于生物啟發(fā)式算法的移動機器人自主控制 218
8.1.2 基于深度神經(jīng)網(wǎng)絡的移動機器人自主控制 225
8.2 基于改進脊椎神經(jīng)系統(tǒng)的異構(gòu)多AUV協(xié)同圍捕算法 232
8.2.1 異構(gòu)多AUV協(xié)同圍捕問題描述 232
8.2.2 異構(gòu)多AUV協(xié)同圍捕算法 234
8.2.3 實驗和結(jié)果分析 238
8.3 基于改進肉芽腫形成算法的移動機器人故障自恢復算法 245
8.3.1 移動機器人故障自恢復問題描述 245
8.3.2 機器人故障自恢復方法 248
8.3.3 實驗及結(jié)果分析 256
8.4 本章小結(jié) 264
參考文獻 264
展開全部
移動機器人自主控制 作者簡介
倪建軍，河海大學教授、博士生導師，電子與信息技術研究所所長。擔任國家自然科學基金、國家重點研發(fā)計劃、國家科技獎勵以及江蘇省、上海市等科技項目和科技獎勵評審專家。系中國水利企業(yè)協(xié)會智慧水利分會專家、IEEE高級會員、中國人工智能學會高級會員、中國計算機學會高級會員、加拿大GUELPH大學與英國ESSEX大學訪問教授、江蘇省"333工程”中青年科學技術帶頭人。主要研究方向為信息獲取與處理、人工智能與機器人、物聯(lián)網(wǎng)技術與應用、智慧水利等，先后主持和參與國家自然科學基金5項，省部級項目8項，其他各級各類項目30余項。發(fā)表高水平論文100多篇，其中SCI、EI收錄60余篇，授權發(fā)明專利與軟著40余項（其中多項已經(jīng)完成轉(zhuǎn)化），出版學術專著和教材3部，獲上海市科技進步獎1項。
書友推薦
- >
推拿
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
- >
經(jīng)典常談
- >
李白與唐代文化
- >
苦雨齋序跋文-周作人自編集
- >
名家?guī)阕x魯迅:故事新編
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
