移動機器人自主控制

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(huán)境感知 5
1.2.2 導航與路徑規(guī)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(xié)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(fā)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(fā)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(tǒng)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(guī)劃 44
3.1 移動機器人路徑規(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(guī)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(guī)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(guī)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(guī)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(guī)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(guī)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(fā)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(huán)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(huán)境感知 100
5.1 移動機器人環(huán)境感知概述 100
5.1.1 環(huán)境感知的主要任務 100
5.1.2 移動機器人常用環(huán)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(fā)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(xié)作 179
7.1 多機器人協(xié)作概述 179
7.1.1 多機器人協(xié)作的研究進展 179
7.1.2 多機器人協(xié)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(tài)生物刺激神經網絡的多機器人系統(tǒng)編隊 190
7.3.1 編隊問題的描述 191
7.3.2 基于動態(tài)生物刺激神經網絡的多機器人系統(tǒng)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(xié)同覆蓋搜索 199
7.4.1 多無人機協(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協(xié)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(fā)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(tǒng)的異構多AUV協(xié)同圍捕算法 232
8.2.1 異構多AUV協(xié)同圍捕問題描述 232
8.2.2 異構多AUV協(xié)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