中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
復雜未知環境中移動機器人SLAM技術及應用 版權信息
- ISBN：9787308231824
- 條形碼：9787308231824 ; 978-7-308-23182-4
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
復雜未知環境中移動機器人SLAM技術及應用 內容簡介
移動機器人的實際作業環境存在各種不確定干擾因素，其測量系統的噪聲往往具有非高斯重尾分布或者參數先驗信息未知等特性。在這些復雜未知環境下，傳統的基于貝葉斯濾波估計技術的同時定位與地圖創建（Simultaneous Localization and Mapping，簡稱SLAM）算法性能受到了嚴重影響，其定位精度、地圖準確性和計算效率無法滿足實際應用的需求。為了提高傳統算法在水下等復雜未知環境下的估計性能，本書分別對基于高斯濾波器、粒子濾波器和概率假設密度濾波器的SLAM技術進行了改進，同時就自主式水下潛器(AutonomousUnderwater Vehicle，簡稱AUV)自主導航應用進行了重點研究。
復雜未知環境中移動機器人SLAM技術及應用 目錄
第1章 移動機器人SLAM技術概述
1.1 引 言
1.2 SLAM技術發展及應用現狀
1.2.1 國外SLAM技術發展及應用現狀
1.2.2 國內SLAM技術發展及應用現狀
1.3 環境地圖表示方法
1.3.1 基于柵格的地圖表示法
1.3.2 基于拓撲的地圖表示法
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 基于概率假設密度濾波器的SLAM算法
1.4.4 基于圖優化的SLAM算法
參考文獻
第2章 SLAM隨機概率模型及算法框架
2.1 引 言
2.2 概率機器人學基礎
2.2.1 概率統計學基礎
2.2.2 機器人學不確定性
2.3 貝葉斯狀態估計原理及方法
2.3.1 貝葉斯模型構成
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 概率假設密度濾波器
2.4 移動機器人SLAM概率模型
2.4.1 機器人運動模型
2.4.2 路標特征測量模型
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 基于概率假設密度濾波器的SLAM算法
2.7.1 概率假設密度濾波SLAM算法原理
2.7.2 概率假設密度濾波SLAM算法實現
參考文獻
第3章 基于統計線性回歸魯棒優化的高斯濾波SLAM算法
3.1 引 言
3.2 估計原理與發展歷史
3.2.1 估計原理概述
3.2.2 魯棒性估計發展歷程
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
3.4.4 估計性能評價指標
3.5 非線性濾波技術原理與分類
3.5.1 非線性濾波方法概述
3.5.2 基于函數線性化的近似方法
3.5.3 基于確定性采樣的近似方法
3.5.4 加權統計線性回歸方法
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 基于統計線性回歸的高斯濾波SLAM算法
3.7.1 HSCKF-SLAM預測估計
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 數值仿真實驗與結果分析
3.8.1 SLAM算法仿真環境介紹
3.8.2 SLAM算法估計性能度量指標
3.8.3 仿真實驗結果分析
參考文獻
第4章 基于自適應粒子重采樣的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方法
4.4.1 基于轉換無跡變換的粒子提議分布
4.4.2 自適應粒子重采樣
4.5 基于自適應粒子重采樣的UFastSLAM算法
4.5.1 粒子提議分布函數估計
4.5.2 環境特征地圖創建
4.5.3 粒子重要性權值計算及自適應粒子重采樣
4.5.4 算法計算復雜度分析
4.6 數值仿真實驗與結果分析
4.6.1 仿真實驗結果
4.6.2 實際數據集實驗結果
參考文獻
第5章 同時估計未知噪聲方差的概率假設密度SLAM算法
5.1 引 言
5.2 隨機有限集統計學理論基礎
5.2.1 隨機有限集基本定義
5.2.2 隨機有限集的統計描述
5.2.3 常用的隨機有限集
5.2.4 隨機有限集貝葉斯濾波器
5.2.5 概率假設密度濾波器
5.2.6 多目標濾波估計性能評價指標
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模型
5.3.6 改進的高斯混合概率假設密度濾波器
5.4 基于變分貝葉斯估計的概率假設密度SLAM算法
5.4.1 特征地圖及測量噪聲參數預測
5.4.2 特征地圖及測量噪聲參數更新
5.4.3 特征地圖提取
5.4.4 機器人位姿狀態估計
5.5 數值仿真實驗與結果分析
5.5.1 仿真環境
5.5.2 仿真結果
參考文獻
第6章 總結與展望
6.1 總結
6.2 展望
附錄 縮寫術語對照表
展開全部
書友推薦
- >
巴金－再思錄
- >
我從未如此眷戀人間
- >
隨園食單
- >
詩經-先民的歌唱
- >
莉莉和章魚
- >
月亮與六便士
- >
我與地壇
- >
自卑與超越
本類暢銷
