![](img/frame_left_1.gif) |
-- 會員 / 註冊 --
|
|
|
|
移動機器人自主控制 ( 簡體 字) |
作者:倪建軍 | 類別:1. -> 電子工程 -> 機器人 |
譯者: |
出版社:電子工業出版社 | 3dWoo書號: 56332 詢問書籍請說出此書號!【有庫存】 NT售價: 490 元 |
出版日:7/1/2023 |
頁數:276 |
光碟數:0 |
|
站長推薦: ![](img/star_2.gif) |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787121458590 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言:機器人作為20世紀人類最偉大的發明之一,自20世紀60年代初問世以來,已成為家喻戶曉的“大明星”。機器人的發展非常迅速,在促進工業生產和提高生活品質等方面占據著極其重要的地位并發揮著積極的作用。機器人學是一門高度交叉的學科,涉及機械、電子、計算機、自動控制、人工智能、生物及人類學等眾多領域。機器人技術是多種學科綜合發展的成果,代表高技術前沿。移動機器人是機器人領域一個重要的研究分支,也是當前研究熱點之一,其應用范圍已從簡單的工業生產擴展到家庭服務、災難搜救、醫療診治、海洋勘測、太空探索等多個方面。
目前,移動機器人的研究已經得到廣泛關注,有不少研究成果問世,但已出版的相關著作,有的是針對移動機器人的某一專題進行闡述的,如機器人同步定位與建圖等,有的則重點探討移動機器人自主控制的相關基礎知識,如機器人運動建模等。本書的主要目的是希望借助移動機器人自主控制中關鍵問題的解決,探討人工智能理論與方法在移動機器人中的應用,從而期望讀者能通過具體問題的解決,進一步深入理解移動機器人自主控制的關鍵問題,以及人工智能在移動機器人領域的應用。
本書是在作者及其團隊近幾年研究工作的基礎上寫作而成的。自2012年以來,在相關研究領域,作者先后得到了國家自然科學基金(61203365、61873086)、江蘇省自然科學基金(BK2012149)等項目的資助。在上述項目的支持下,作者搭建了各種移動機器人實驗環境,先后在國內外高水平期刊上發表多篇論文,這些成果構成了本書的主要內容。在此向所有參與研究的團隊成員、有關部門、期刊及其審稿人等表示感謝并致以敬意。
在研究和本書的寫作過程中,得到了許多老師和同行的幫助。感謝加拿大圭爾夫大學楊先一(Simon X. Yang)教授、英國埃塞克斯大學胡豁生(Huosheng Hu)教授在作者訪學期間對移動機器人自主控制相關問題解決方法給予的啟發和指導。團隊中的范新南教授、朱金秀教授等在作者的研究和本書的編寫過程中提出了許多建設性意見,作者的博士生陳顏、唐廣翼、王嘯天、趙泳浩等為本書部分實驗進行了代碼測試以及書稿的校對,在此一并表示感謝。在本書的編寫過程中所參考的文獻已盡可能一一列出,如有遺漏在此表示歉意,并向所有文獻資料的作者表示衷心的感謝。
移動機器人自主控制研究日新月異,新的理論和方法不斷涌現,而作者水平及所了解的情況有限,因此書中難免有不少欠妥乃至錯誤之處,懇請廣大讀者和專家批評指正。
作 者
2023年5月 |
內容簡介:本書系統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劃、機器人視覺與環境感知、機器人同步定位與建圖、多機器人協作等方面的具體解決思路,并給出實驗結果和分析。全書分為8章,包括緒論、移動機器人導航、移動機器人路徑規劃、機器人視覺技術、機器人環境感知、機器人同步定位與建圖、多機器人協作以及移動機器人自主控制進展與展望。 |
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 環境感知 5
1.2.2 導航與路徑規劃 6
1.2.3 機器人視覺 7
1.2.4 同步定位與地圖構建 7
1.2.5 多機器人協作 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 本書的主要內容和結構安排 12
1.5 本章小結 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 基于生物刺激神經網絡改進Q學習算法的移動機器人導航 23
2.2.3 實驗及結果分析 27
2.3 模糊控制與虛擬力場法相結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 實驗及結果分析 37
2.4 本章小結 41
參考文獻 42
第3章 移動機器人路徑規劃 44
3.1 移動機器人路徑規劃概述 44
3.2 傳統路徑規劃方法簡介 45
3.2.1 構形空間法 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劃方法 50
3.3.3 實驗及結果分析 54
3.4 基于蛙跳算法的移動機器人路徑規劃 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劃 58
3.4.3 實驗及結果分析 60
3.5 基于文化基因算法的路徑規劃 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劃 64
3.5.3 實驗及結果分析 68
3.6 本章小結 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 實驗結果與分析 91
4.3.3 SLKCF跟蹤算法在復雜環境中的性能 95
4.4 本章小結 96
參考文獻 97
第5章 移動機器人環境感知 100
5.1 移動機器人環境感知概述 100
5.1.1 環境感知的主要任務 100
5.1.2 移動機器人常用環境感知傳感器 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 實驗結果與分析 109
5.3 半稠密地圖的構建 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 實驗與結果分析 119
5.4 基于深度神經網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網絡 121
5.4.2 實驗與結果分析 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 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 仿真實驗和結果分析 147
6.3 基于改進生物啟發方法的移動機器人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 基于卷積神經網絡的移動機器人語義SLAM算法 168
6.4.3 實驗及結果分析 172
6.5 本章小結 175
參考文獻 175
第7章 多機器人協作 179
7.1 多機器人協作概述 179
7.1.1 多機器人協作的研究進展 179
7.1.2 多機器人協作的主要研究內容 183
7.2 基于自組織神經網絡的任務分配算法 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 實驗及結果分析 187
7.3 基于動態生物刺激神經網絡的多機器人系統編隊 190
7.3.1 編隊問題的描述 191
7.3.2 基于動態生物刺激神經網絡的多機器人系統導航 193
7.3.3 編隊仿真實驗及結果分析 195
7.4 基于精確勢博弈的多無人機協同覆蓋搜索 199
7.4.1 多無人機協同覆蓋搜索概述 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同覆蓋方法 202
7.4.4 實驗及結果分析 207
7.5 本章小結 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 基于生物啟發式算法的移動機器人自主控制 218
8.1.2 基于深度神經網絡的移動機器人自主控制 225
8.2 基于改進脊椎神經系統的異構多AUV協同圍捕算法 232
8.2.1 異構多AUV協同圍捕問題描述 232
8.2.2 異構多AUV協同圍捕算法 234
8.2.3 實驗和結果分析 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 實驗及結果分析 256
8.4 本章小結 264
參考文獻 264 |
序: |
|