注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術(shù)計算機/網(wǎng)絡人工智能機器人地圖創(chuàng)建與環(huán)境探索

機器人地圖創(chuàng)建與環(huán)境探索

機器人地圖創(chuàng)建與環(huán)境探索

定 價:¥42.00

作 者: (德)斯塔赫尼克 (Cyrill Stachniss)著 劉麗玨 ,陳白帆 譯
出版社: 國防工業(yè)出版社
叢編項:
標 簽: 計算機與互聯(lián)網(wǎng) 人工智能

ISBN: 9787118086300 出版時間: 2013-05-01 包裝: 平裝
開本: 16開 頁數(shù): 164 字數(shù):  

內(nèi)容簡介

  《機器人地圖創(chuàng)建與環(huán)境探索》為自主地圖學習問題中的多個方面給出了解決方法。整體上共分為兩部分。在第一部分,假設(shè)機器人的位置是已知的。雖然這種假設(shè)在真實情況下無法成立,但是它可以簡化問題并且能讓我們更好地集中去研究機器人探索中的一些特定問題,如機器人團隊的協(xié)作。我們描述了如何在用于探索的多機器人中實現(xiàn)有效的協(xié)作,以便高效地解決它們所需完成的任務。此外,我們還提出了一種多機器人環(huán)境探索方法,該方法能在探索過程中學習并利用典型空間結(jié)構(gòu)相關(guān)的背景知識。

作者簡介

暫缺《機器人地圖創(chuàng)建與環(huán)境探索》作者簡介

圖書目錄

第1章 緒論
第2章 基本技術(shù)
2.1 粒子濾波器概述
2.1.1 基于粒子濾波器的移動機器人定位
2.2 柵格地圖
2.2.1 占用概率地圖構(gòu)建方法
2.2.2 激光測距傳感器模型
2.2.3 聲納傳感器模型
2.2.4 反射概率地圖構(gòu)建方法
第一部分 機器人位姿已知的探索
第3章 基于決策論的覆蓋率地圖探索
3.1 概述
3.2 覆蓋率地圖的定義
3.3 基于傳感器輸入的覆蓋率地圖更新
3.4 基于決策論的覆蓋率地圖探索
3.4.1 選擇最近的目標位置
3.4.2 基于信息增益的探索
3.4.3 在局部窗口中使用IG
3.4.4 IG和CL的結(jié)合(IG-CL)
3.5 基于占用柵格地圖的探索
3.6 實驗結(jié)果
3.6.1 帶噪聲傳感器的建圖
3.6.2 觀測點選擇策略的比較
3.6.3 掃描計數(shù)方法的優(yōu)點
3.7 相關(guān)工作
3.8 結(jié)論
第4章 多機器人協(xié)作探索
4.1 概述
4.2 機器人團隊協(xié)作探索
4.2.1 到達目標位置的代價
4.2.2 邊界單元的效用計算
4.2.3 目標點的選擇
4.2.4 通信范圍有限時的協(xié)作
4.3 移動機器人團隊的協(xié)作建圖
4.4 實驗結(jié)果
4.4.1 移動機器人團隊探索
4.4.2 非協(xié)作探索與協(xié)作探索的比較
4.4.3 仿真實驗
4.4.4 有限通信范圍下的探索
4.5 與其他協(xié)作技術(shù)的比較
4.5.1 基于匈牙利算法的目標分配
4.5.2 使用優(yōu)先級策略的機器人團隊協(xié)作
4.5.3 通過解決TsP來進行機器人團隊協(xié)作
4.6 相關(guān)工作
4.7 小結(jié)
第5章 基于語義地標的多機器人探索
5.1 概述
5.2 語義地標
5.3 目標位置的地標估計
5.4 采用語義地標信息的高效多機器人探索
5.5 實驗結(jié)果
5.5.1 使用語義地點信息改進性能
5.5.2 語義地點信息中的噪聲影響
5.5.3 在新環(huán)境中應用訓練好的分類器
5.5.4 改進的HMM濾波及分類器的誤差分析
5.6 相關(guān)工作
5.7 小結(jié)
第二部分 機器人位姿未知的建圖和探索
第6章 高效的Rao-Blackwellized建圖技術(shù)
6.1 概述
6.2 Ra0-Blackwellized建圖概念
6.3 改進提議分布和選擇性重采樣
6.3.1 使用激光掃描數(shù)據(jù)計算改進的提議分布
6.3.2 選擇性采樣
6.4 復雜性
6.5 實驗結(jié)果
6.5.1 建圖結(jié)果
6.5.2 量化結(jié)果
6.5.3 改進提議分布和自適應重采樣的有效性
6.5.4 掃描匹配失敗的情況
6.5.5 計算代價
6.6 相關(guān)工作
6.7 小結(jié)
第7章 主動閉環(huán)探索
7.1 概述
7.2 主動閉環(huán)
7.2.1 閉環(huán)檢測的時機
7.2.2 位姿不確定下的行為表示
7.2.3 閉環(huán)過程的終止
7.2.4 探索時間的縮短
7.2.5 多重嵌套環(huán)的處理
7.3 實驗結(jié)果
7.3.1 真實世界探索
7.3.2 主動閉環(huán)vs.基于邊界的探索
7.3.3 定量分析
7.3.4 終止條件的重要性
7.3.5 Neff的演變
7.3.6 多重嵌套環(huán)
7.3.7 計算資源
7.4 相關(guān)工作
7.5 小結(jié)
第8章 粒子多樣性修復
8.1 概述
8.2 閉環(huán)后粒子多樣性修復
8.3 實驗結(jié)果
8.4 相關(guān)工作
8.5 小結(jié)
第9章 基于信息增益的探索
9.1 概述
9.2 Rao-Blackwellized建圖方法的不確定性
9.3 預期信息增益
9.4 行為集的計算
9.5 實驗結(jié)果
9.5.1 真實世界的應用
9.5.2 決策過程
9.5.3 與之前方法的比較
9.5.4 走廊探索
9.6 相關(guān)工作
9.7 小結(jié)
第10章 非靜態(tài)環(huán)境下的建圖和定位
10.1 概述
10.2 低動態(tài)環(huán)境下的地圖學習
10.2.1 地圖分割
10.2.2 學習環(huán)境的形態(tài)/配置
10.2.3 地圖聚類
10.3 基于地圖塊(patch-map)的蒙特卡羅定位
10.4 實驗結(jié)果
10.4.1 在辦公室環(huán)境中的應用
10.4.2 機器人定位和環(huán)境狀態(tài)估計
10.4.3 全局定位
10.5 相關(guān)工作
10.6 小結(jié)
第11章 結(jié)論
附錄
A.1 概率論
A.1.1 乘積法則
A.1.2 獨立性
A.1.3 貝葉斯規(guī)則(Bayes’Rule) 
A.1.4 邊緣化
A.1.5 全概率法則
A.1.6 馬爾可夫假設(shè)
符號表
參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號