移動機(jī)器人自主控制

目 錄
第1章 緒論 1
1.1 移動機(jī)器人簡介 1
1.1.1 移動機(jī)器人的定義 1
1.1.2 移動機(jī)器人的組成 2
1.1.3 移動機(jī)器人的特點 4
1.2 移動機(jī)器人的關(guān)鍵技術(shù) 5
1.2.1 環(huán)境感知 5
1.2.2 導(dǎo)航與路徑規(guī)劃 6
1.2.3 機(jī)器人視覺 7
1.2.4 同步定位與地圖構(gòu)建 7
1.2.5 多機(jī)器人協(xié)作 8
1.3 移動機(jī)器人的研究進(jìn)展 8
1.3.1 移動機(jī)器人的發(fā)展歷史 8
1.3.2 移動機(jī)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(xiàn) 13
第2章 移動機(jī)器人導(dǎo)航 16
2.1 移動機(jī)器人導(dǎo)航概述 16
2.1.1 移動機(jī)器人導(dǎo)航的發(fā)展歷史 16
2.1.2 移動機(jī)器人的常用導(dǎo)航方式 17
2.1.3 傳統(tǒng)導(dǎo)航方法簡介 18
2.2 基于改進(jìn)強(qiáng)化學(xué)習(xí)的移動機(jī)器人導(dǎo)航 20
2.2.1 強(qiáng)化學(xué)習(xí)概述 20
2.2.2 基于生物刺激神經(jīng)網(wǎng)絡(luò)改進(jìn)Q學(xué)習(xí)算法的移動機(jī)器人導(dǎo)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(jī)器人導(dǎo)航 30
2.3.1 虛擬力場法簡介 30
2.3.2 基于模糊控制改進(jìn)虛擬力場法的移動機(jī)器人導(dǎo)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(xiàn) 42
第3章 移動機(jī)器人路徑規(guī)劃 44
3.1 移動機(jī)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?fù)浞?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(jī)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(jìn)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(jī)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(jìn)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(jìn)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(xiàn) 72
第4章 移動機(jī)器人視覺 74
4.1 移動機(jī)器人視覺技術(shù)概述 74
4.1.1 機(jī)器人視覺技術(shù)簡介 74
4.1.2 移動機(jī)器人視覺技術(shù)的發(fā)展概況 75
4.2 基于改進(jìn)ViBe的運(yùn)動目標(biāo)檢測 76
4.2.1 改進(jìn)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(yùn)動目標(biāo)檢測的背景更新機(jī)制和實時性 84
4.3 基于KCF的運(yùn)動目標(biāo)跟蹤 85
4.3.1 基于改進(jìn)KCF的運(yùn)動目標(biāo)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(fù)雜環(huán)境中的性能 95
4.4 本章小結(jié) 96
參考文獻(xiàn) 97
第5章 移動機(jī)器人環(huán)境感知 100
5.1 移動機(jī)器人環(huán)境感知概述 100
5.1.1 環(huán)境感知的主要任務(wù) 100
5.1.2 移動機(jī)器人常用環(huán)境感知傳感器 101
5.2 基于改進(jìn)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(jìn)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(luò)的移動機(jī)器人道路場景分類 120
5.4.1 改進(jìn)的場景分類深度神經(jīng)網(wǎng)絡(luò) 121
5.4.2 實驗與結(jié)果分析 125
5.4.3 關(guān)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(xiàn) 131
第6章 移動機(jī)器人同步定位與建圖 134
6.1 移動機(jī)器人同步定位與建圖概述 134
6.1.1 移動機(jī)器人定位概述 134
6.1.2 移動機(jī)器人地圖建模概述 139
6.1.3 移動機(jī)器人SLAM概述 141
6.2 基于改進(jìn)擴(kuò)展卡爾曼濾波的移動機(jī)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(jìn)生物啟發(fā)方法的移動機(jī)器人SLAM算法 151
6.3.1 算法描述 151
6.3.2 室內(nèi)移動機(jī)器人SLAM實驗 157
6.4 基于深度學(xué)習(xí)的移動機(jī)器人語義SLAM算法 163
6.4.1 移動機(jī)器人語義SLAM算法概述 163
6.4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的移動機(jī)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(xiàn) 175

第7章 多機(jī)器人協(xié)作 179
7.1 多機(jī)器人協(xié)作概述 179
7.1.1 多機(jī)器人協(xié)作的研究進(jìn)展 179
7.1.2 多機(jī)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(luò)的任務(wù)分配算法 184
7.2.1 任務(wù)分配問題描述 185
7.2.2 任務(wù)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(luò)的多機(jī)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(luò)的多機(jī)器人系統(tǒng)導(dǎo)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(jī)協(xié)同覆蓋搜索 199
7.4.1 多無人機(jī)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(jī)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(xiàn) 213
第8章 移動機(jī)器人自主控制進(jìn)展 218
8.1 移動機(jī)器人自主控制的研究進(jìn)展 218
8.1.1 基于生物啟發(fā)式算法的移動機(jī)器人自主控制 218
8.1.2 基于深度神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人自主控制 225
8.2 基于改進(jìn)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(jìn)肉芽腫形成算法的移動機(jī)器人故障自恢復(fù)算法 245
8.3.1 移動機(jī)器人故障自恢復(fù)問題描述 245
8.3.2 機(jī)器人故障自恢復(fù)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(xiàn) 264