机器人学中的状态估计
正版新书 新华官方库房直发 可开电子发票
￥ 58.15 5.7折 ￥ 102 全新
库存16件
作者(加)蒂莫西·D.巴富特
出版社西安电子科技大学出版社
ISBN9787569307917
出版时间2018-11
版次1
装帧平装
开本16开
纸张胶版纸
页数339页
字数560千字
定价102元
货号SC:9787569307917
上书时间2024-10-13
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
蒂莫西·D.巴富特博士(多伦多大学航空航天研究所UTIAS教授)在工业和学术界的移动机器人导航中已有逾十五年的研究历史。他的研究领域涉及空间探索、采矿、军事和运输等，并在定位、建图、规划和控制方面作出了贡献。
内容简介:
如何估计机器人在空间中移动时的状态（如位置、方向）是机器人研究中一个重要的问题。大多数机器人、自动驾驶汽车都需要导航信息。导航的数据来自于相机、激光测距仪等各种传感器，而它们往往受噪声影响，这给状态估计带来了挑战。本书将介绍常用的传感器模型，以及如何在现实世界中利用传感器数据对旋转或其他状态变量进行估计。本书涵盖了经典的状态估计方法（如卡尔曼滤波）以及更为现代的方法（如批量估计、贝叶斯滤波、sigmapoint滤波和粒子滤波、剔除外点的鲁棒估计、连续时间的轨迹估计和高斯过程回归）。这些方法在诸如点云对齐、位姿图松弛、光束平差法以及同时定位与地图构建等重要应用中得以验证。对机器人领域的学生和相关从业者来说，本书将是一份宝贵的资料。
目录:
简介
译者序
序言
缩略语
符号对照表
第1章引言
1.1状态估计简史
1.2传感器、测量和问题定义
1.3本书组织结构
1.4与其他教程的关系
第一部分状态估计机理
第2章概率论基础
2.1概率密度函数
2.1.1定义
2.1.2贝叶斯公式及推断
2.1.3矩
2.1.4样本均值和样本方差
2.1.5统计独立性与不相关性
2.1.6归一化积
2.1.7香农信息和互信息
2.1.8克拉美罗下界和费歇尔信息量
2.2高斯概率密度函数
2.2.1定义
2.2.2Isserlis定理
2.2.3联合高斯概率密度函数分解与推断
2.2.4统计独立性、不相关性
2.2.5高斯分布随机变量的线性变换
2.2.6高斯概率密度函数的归一化积
2.2.7Sherman.MorrisonWoodbury等式
2.2.8高斯分布随机变量的非线性变换
2.2.9高斯分布的香农信息
2.2.10联合高斯概率密度函数的互信息
2.2.1l高斯概率密度函数的克拉美罗下界
2.3高斯过程
2.4总结
2.5习题
第3章线性高斯系统的状态估计
3.1离散时间的批量估计问题
3.1.1问题定义
3.1.2优选后验估计
3.1.3贝叶斯推断
3.1.4存在性、专享性与能观性
……
第4章 非线性非高斯系统
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价