1 緒論
1.1 自主導航技術簡介
1.2 移動機器人簡介
1.2.1 移動機器人分類
1.2.2 移動機器人發(fā)展趨勢
1.3 移動機器人導航基礎
1.3.1 定位技術
1.3.2 地圖模型
1.3.3 傳感技術
1.4 SLAM
1.4.1 SLAM技術發(fā)展歷程
1.4.2 SLAM問題解決方案
1.4.3 SLAM研究的基礎問題
1.4.4 SLAM問題未來研究趨勢
1.5 路徑規(guī)劃
1.5.1 全局路徑規(guī)劃
1.5.2 局部路徑規(guī)劃
1.5.3 發(fā)展趨勢
1.6 人機交互
1.7 云機器人
2 SLAM算法基礎
2.1 概率機器人
2.1.1 概率論基礎
2.1.2 貝葉斯過濾器
2.1.3 基于貝葉斯的數(shù)據(jù)融合
2.1.4 貝葉斯濾波算法
2.2 SLAM問題描述
2.3 移動機器人運動和觀測模型
2.3.1 移動機器人坐標系統(tǒng)
2.3.2 運動模型
2.3.3 環(huán)境地圖和傳感器觀測模型
2.3.4 簡化仿真模型
2.4 本章小結
3 基于Kalman濾波的SLAM算法
3.1 sLAM中常用卡爾曼濾波器
3.1.1 擴展卡爾曼濾波
3.1.2 無跡卡爾曼濾波
3.2 抗外部干擾的卡爾曼濾波SLAM算法
3.2.1 算法設計思路
3.2.2 干擾檢測和狀態(tài)方差膨脹
3.2.3 算法流程
3.3 仿真實驗結果及分析
3.4 本章小結
4 基于粒子濾波的SLAM算法
4.1 引言
4.2 常用粒子濾波算法
4.2.1 Rao-Blackwellized粒子濾波算法
4.2.2 Gmapping算法
4.2.3 FastSLAM 2.0算法
4.3 基于DFC&ASD—PSO的FastSLAM算法
4.3.1 錯誤先驗知識對FastSLAM算法的影響
4.3.2 Qf和Rt調整的適應度函數(shù)
4.3.3 DFC&ASD-PSO
4.3.4 Qt和Rt調整的流程
4.3.5 用于Qf和Rt調整粒子的運動和觀測模型
4.3.6 算法流程
4.3.7 仿真實驗結果及分析
4.3.8 實驗結果及分析
4.4 基于SR.UKF和改進遺傳重采樣的FastSLAM算法
4.4.1 SR.UKF算法
4.4.2 基于雙賭輪選擇和快速MH變異的遺傳重采樣
4.4.3 算法流程
4.4.4 仿真實驗結果及分析
4.4.5 實驗結果及分析
4.5 本章小結
5 基于云計算的SLAM算法
5.1 引言
5.2 基于流式計算的SLAM算法
5.2.1 基于流式計算的SLAM服務框架
5.2.2 基于流式計算的多源異構數(shù)據(jù)融合SLAM方法
5.3 邊云協(xié)同的SLAM算法
5.3.1 傳感器數(shù)據(jù)采集
5.3.2 邊端SLAM處理
5.3.3 云端SLAM處理
5.3.4 邊云數(shù)據(jù)融合
5.3.5 邊端局部地圖保存和粒子重采樣
5.4 本章小結
6 全局路徑規(guī)劃算法研究
6.1 引言
6.2 全局路徑規(guī)劃
6.2.1 路徑規(guī)劃問題描述
6.2.2 可視圖理論
6.2.3 靜態(tài)算法
6.2.4 動態(tài)算法
6.3 同步可視圖構造和路徑搜索
6.3.1 算法設計思路
6.3.2 算法流程
6.3.3 算法性能分析
6.3.4 仿真實驗結果及分析
6.3.5 實驗結果及分析
6.4 基于改進概率柵格分解的路徑規(guī)劃算法
6.4.1 基本概率柵格分解算法
6.4.2 改進概率柵格分解算法
6.4.3 2算法性能評價
6.4.4 仿真實驗
6.5 本章小結
7 局部路徑規(guī)劃算法研究
7.1 引言
7.2 基于粒子群優(yōu)化和B樣條曲線的路徑規(guī)劃算法
7.2.1 多邊形動態(tài)生成
7.2.2 基于SVGA算法的路徑搜索
7.2.3 基于三次B樣條曲線和粒子群優(yōu)化的路徑平滑
7.2.4 算法流程
7.2.5 仿真實驗結果及分析
7.3 基于流式計算的路徑規(guī)劃算法
7.3.1 自主導航流式計算架構
7.3.2 路徑規(guī)劃的流式計算
7.3.3 仿真實驗結果及分析
7.3.4 實驗結果及分析
7.4 本章小結
8 自主導航中的人機交互研究
8.1 人機交互控制
8.2 生理信號分析
8.2.1 人機交互下生理信號分析
8.2.2 基于Hurst指數(shù)的生理信號分析
8.2.3 基于流式計算的生理信號分析
8.3 本章小結
參考文獻