掃一掃
關注中圖網
官方微博
>
機器人自主智能導航
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
機器人自主智能導航 版權信息
- ISBN：9787030760678
- 條形碼：9787030760678 ; 978-7-03-076067-8
- 裝幀：平裝膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：
機器人自主智能導航 內容簡介
本書共分為十章，**章對智能導航進行解釋，第二章解釋機器人自主導航框架，第三章介紹人工智能技術在環境感知任務中的應用，第四章介紹基于深度神經網絡的狀態估計方法，第五、六章論述機器人即時定位與建圖以及語義SLAM，第七章借好機器人導航中的規劃與決策，第八章介紹基于深度強化學習的機器人導航，第九章介紹多足機器人導航，第十章對全書進行總結。中間的八章，每一章后面附有深度學習在該問題上的應用案例。
機器人自主智能導航 目錄
目錄
序一
序二
前言
第1章 機器人自主智能導航概述 1
1.1 技術的發展和趨勢 2
1.2 邁向智能導航 9
1.3 本書內容簡介 13
參考文獻 14
第2章 機器人自主導航框架 17
2.1 機器人操作系統簡介 17
2.1.1 概述 17
2.1.2 ROS的基礎概念與設計思想 18
2.2 自主導航框架 24
2.2.1 建圖與地圖發布模塊 26
2.2.2 狀態估計模塊 29
2.2.3 全局路線規劃模塊 31
2.2.4 局部規劃模塊 31
2.2.5 抽象控制模塊 32
2.3 用于機器人導航的硬件 34
2.3.1 主動傳感器 34
2.3.2 被動傳感器 39
2.3.3 電機 41
2.3.4 常見的機器人底盤及運動模型 42
2.3.5 融合北斗和AI的實驗教學系統 51
2.4 工程實踐：差速輪機器人的遠程操控 52
2.4.1 環境配置與安裝 53
2.4.2 代碼解析 54
2.4.3 實驗 55
2.5 工程實踐：ROS：：Movebase 58
2.5.1 環境配置與安裝 58
2.5.2 實驗框圖 61
2.5.3 仿真實驗 63
參考文獻 65
第3章 機器人環境語義感知 67
3.1 目標檢測 67
3.1.1 概述 67
3.1.2 常用數據集及評估指標 69
3.1.3 二階段目標檢測模型 71
3.1.4 一階段目標檢測模型 74
3.2 圖像分割 79
3.2.1 概述 79
3.2.2 常用數據集及評估指標 81
3.2.3 語義分割 83
3.2.4 實例分割 90
3.2.5 全景分割 93
3.2.6 融合深度信息的分割 95
3.3 目標跟蹤 98
3.3.1 概述 98
3.3.2 常用數據集與評估指標 101
3.3.3 單目標跟蹤 104
3.3.4 多目標跟蹤 111
3.4 視覺注意力 113
3.4.1 概述 113
3.4.2 基于Transformer的目標檢測 120
3.4.3 基于Transformer的圖像分割 123
3.4.4 基于Transformer的目標跟蹤 125
3.5 基于深度學習的3D點云語義感知 127
3.5.1 概述 127
3.5.2 常用數據集與評估指標 130
3.5.3 3D點云目標檢測 130
3.5.4 3D點云分割 134
3.5.5 3D點云目標跟蹤 137
3.6 圖像和點云的融合語義感知 138
3.6.1 概述 138
3.6.2 前期融合 139
3.6.3 后期融合 139
3.7 典型交通對象的語義感知 140
3.8 工程實踐：YOLO v4 142
3.8.1 環境配置與安裝 142
3.8.2 代碼解析 145
3.8.3 實驗 146
3.9 工程實踐：DeepLab v3 + 149
3.9.1 環境配置與安裝 149
3.9.2 代碼解析 151
3.9.3 實驗 153
3.10 工程實踐：SiamRPN 161
3.10.1 環境配置 162
3.10.2 代碼解析 163
3.10.3 實驗 164
參考文獻 168
第4章 機器人狀態估計 175
4.1 GNSS高精度定位定姿技術 175
4.1.1 全球衛星導航系統 175
4.1.2 GNSS快速定位 184
4.1.3 GNSS高精度定位方法 185
4.1.4 GNSS測向定姿 189
4.2 基于IMU的主動姿態估計 191
4.2.1 捷聯慣性導航涉及的坐標系 191
4.2.2 捷聯慣性導航中IMU傳感器誤差建模 193
4.2.3 捷聯慣性導航姿態表示方法 195
4.2.4 捷聯慣導算法中的微分方程及其解算更新 197
4.2.5 捷聯慣導的誤差微分方程 201
4.3 基于激光雷達的定位 204
4.4 基于視覺的定位 204
4.5 基于機會信號的定位 204
4.6 GNSS/SINS組合導航定位 206
4.6.1 卡爾曼濾波用于數據融合 208
4.6.2 GNSS/SINS松組合 210
4.6.3 RTK/SINS緊組合 213
4.7 因子圖用于數據融合 214
4.8 深度神經網絡用于數據融合 219
4.8.1 非端到端學習下的慣導定位方法 219
4.8.2 端到端學習下的慣導定位方法 223
4.8.3 監督學習下的視覺定位方法 227
4.8.4 無監督學習下的視覺定位方法 230
4.8.5 慣性傳感器與視覺傳感器的數據融合 234
4.9 工程實踐：利用網絡RTK技術定位機器人 237
4.9.1 實驗準備 237
4.9.2 GNSS數據格式 238
4.9.3 實驗 239
4.10 工程實踐：GNSS/INS松組合導航定位 242
4.10.1 數據集介紹 242
4.10.2 代碼解析 243
4.10.3 實驗 244
4.11 工程實踐：RoNIN 247
4.11.1 環境配置 247
4.11.2 代碼解析 248
4.11.3 實驗 250
參考文獻 252
第5章 機器人同步定位與建圖 255
5.1 激光SLAM方法 255
5.1.1 概述 255
5.1.2 基于優化的激光SLAM 258
5.1.3 基于濾波的激光SLAM 266
5.2 視覺SLAM方法 268
5.2.1 概述 268
5.2.2 光流估計 275
5.2.3 間接法視覺SLAM與經典方案 280
5.2.4 直接法視覺SLAM與經典方案 289
5.3 視覺慣性SLAM方法 293
5.3.1 概述 293
5.3.2 基于濾波的視覺慣性SLAM方法 294
5.3.3 基于優化的視覺慣性SLAM方法 302
5.4 激光慣性SLAM方法 307
5.4.1 概述 307
5.4.2 基于濾波的激光慣性SLAM 308
5.4.3 基于優化的激光慣性SLAM 313
5.5 事件相機SLAM方法 315
5.6 工程實踐：Cartographer 319
5.6.1 環境配置 319
5.6.2 代碼解析 323
5.6.3 Turtlebot3仿真實驗 324
5.7 工程實踐：ORB-SLAM2 326
5.7.1 環境配置 327
5.7.2 代碼解析 329
5.7.3 實驗 331
5.8 工程實踐：ORB-SLAM3 333
5.8.1 環境配置 333
5.8.2 代碼解析 336
5.8.3 實驗 337
參考文獻 339
第6章 機器人視覺語義融合 344
6.1 語義輔助前端特征篩選 344
6.1.1 概述 344
6.1.2 語義分割輔助特征篩選 345
6.1.3 實例分割輔助特征篩選 347
6.2 語義輔助后端定位優化 350
6.2.1 概述 350
6.2.2 像素級語義輔助后端 350
6.2.3 物體級語義輔助后端 353
6.3 語義輔助回環檢測 356
6.3.1 概述 356
6.3.2 基于特征的回環檢測 357
6.3.3 基于場景的回環檢測 359
6.4 語義融合環境建模 361
6.4.1 概述 361
6.4.2 像素級語義建模 364
6.4.3 物體級語義建模 368
6.5 工程實踐：DS-SLAM 369
6.5.1 環境配置 370
6.5.2 代碼解析 372
6.5.3 實驗 373
參考文獻 374
第7章 機器人導航規劃與決策 378
7.1 全局路線的規劃 378
7.1.1 基于圖搜索的路線規劃 378
7.1.2 基于采樣的路線規劃 383
7.1.3 面向任務的路線規劃 384
7.2 動態目標的距離探測和運動預測 386
7.2.1 傳感器測距 386
7.2.2 基于動態SLAM的多目標運動預測 388
7.3 基于幾何模型的避障 393
7.3.1 概述 393
7.3.2 速度障礙模型 394
7.3.3 快速幾何避障模型 396
7.4 基于勢場模型的避障 399
7.4.1 概述 399
7.4.2 人工勢場模型 400
7.4.3 旋轉矢量場模型 401
7.4.4 混合勢場法模型 403
7.5 基于優化思想的避障 405
7.5.1 概述 405
7.5.2 動態窗口算法 405
7.5.3 時變松緊帶算法 410
7.6 基于深度學習的局部規劃 414
7.6.1 端對端局部規劃 414
7.6.2 融合仿生LGMD的局部規劃 418
7.7 更高級的行動決策 421
7.8 工程實踐：TEB_Local_planner 424
7.8.1 環境配置與安裝 424
7.8.2 文件介紹 425
7.8.3 仿真實驗 426
參考文獻 433
第8章 基于強化學習的認知導航 436
8.1 認知導航的任務描述與建模 436
8.1.1 基本定義與馬爾可夫決策過程建模 436
8.1.2 強化學習A2C/A3C算法 442
8.1.3 常見的任務形式 445
8.2 目標驅動導航 446
8.2.1 孿生網絡模型 447
8.2.2 自適應視覺導航模型 449
8.3 視覺語言導航 452
8.3.1 增強型跨模態匹配和自監督模仿學習的視覺語言導航模型 452
8.3.2 對象-動作感知模型 458
8.4 視覺對話導航 461
8.5 導航知識圖譜的構建與應用 466
8.5.1 知識圖譜概述 466
8.5.2 認知導航中知識圖譜的構建 467
8.5.3 認知導航中知識圖譜的應用 470
8.6 拓展到仿生導航 476
8.6.1 仿生導航傳感器 476
8.6.2 使用類網格細胞網絡模擬生物的矢量導航 477
8.7 工程實踐：SAVN 481
8.7.1 數據集 481
8.7.2 環境配置與安裝 481
8.7.3 代碼解析 484
8.7.4 實驗 485
參考文獻 486
第9章 多足機器人導航 489
9.1 多足機器人的發展及應用 489
9.2 多足機器人上的足式里程計 490
9.2.1 多足機器人的D-H建模方法 491
9.2.2 多足機器人的正向運動學模型 492
9.2.3 多足機器人的足式里程計的構建 493
9.3 多足機器人上的不變卡爾曼濾波器 495
9.3.1 不變卡爾曼濾波器簡介 495
9.3.2 組合導航中的不變卡爾曼濾波器 498
9.3.3 足式里程計/INS組合導航 501
9.4 多足機器人上的*優平滑算法 503
9.4.1 雙向濾波算法 503
9.4.2 RTS平滑 505
9.4.3 分段平滑 506
9.5 多足機器人導航的發展趨勢 507
參考文獻 509
附錄 部分常用數據集 511
參考文獻 515
展開全部
書友推薦
- >
唐代進士錄
- >
名家帶你讀魯迅:朝花夕拾
- >
推拿
- >
巴金－再思錄
- >
經典常談
- >
李白與唐代文化
- >
【精裝繪本】畫給孩子的中國神話
- >
史學評論
本類暢銷
