移动机器人自主控制

图书标准信息

• 作者 倪建军
• 出版社 电子工业出版社
• 出版时间 2023-07
• 版次 1
• ISBN 9787121458590
• 定价 98.00元
• 装帧 其他
• 页数 276页

【内容简介】

本书系统研究了移动机器人自主控制问题，着重研究了各种人工智能理论与方法在移动机器人自主导航与路径规划、机器人视觉与环境感知、机器人同步定位与建图、多机器人协作等方面的具体解决思路，并给出实验结果和分析。全书分为8章，包括绪论、移动机器人导航、移动机器人路径规划、机器人视觉技术、机器人环境感知、机器人同步定位与建图、多机器人协作以及移动机器人自主控制进展与展望。

【作者简介】

倪建军，河海大学教授、博士生导师，电子与信息技术研究所所长。担任国家自然科学基金、国家重点研发计划、国家科技奖励以及江苏省、上海市等科技项目和科技奖励评审专家。系中国水利企业协会智慧水利分会专家、IEEE高级会员、中国人工智能学会高级会员、中国计算机学会高级会员、加拿大GUELPH大学与英国ESSEX大学访问教授、江苏省\"333工程”中青年科学技术带头人。主要研究方向为信息获取与处理、人工智能与机器人、物联网技术与应用、智慧水利等，先后主持和参与国家自然科学基金5项，省部级项目8项，其他各级各类项目30余项。发表高水平论文100多篇，其中SCI、EI收录60余篇，授权发明专利与软著40余项（其中多项已经完成转化），出版学术专著和教材3部，获上海市科技进步奖1项。

【目录】

目    录

第1章  绪论1

1.1  移动机器人简介1

1.1.1  移动机器人的定义1

1.1.2  移动机器人的组成2

1.1.3  移动机器人的特点4

1.2  移动机器人的关键技术5

1.2.1  环境感知5

1.2.2  导航与路径规划6

1.2.3  机器人视觉7

1.2.4  同步定位与地图构建7

1.2.5  多机器人协作8

1.3  移动机器人的研究进展8

1.3.1  移动机器人的发展历史8

1.3.2  移动机器人的研究展望10

1.4  本书的主要内容和结构安排12

1.5  本章小结13

参考文献13

第2章  移动机器人导航16

2.1  移动机器人导航概述16

2.1.1  移动机器人导航的发展历史16

2.1.2  移动机器人的常用导航方式17

2.1.3  传统导航方法简介18

2.2  基于改进强化学习的移动机器人导航20

2.2.1  强化学习概述20

2.2.2  基于生物刺激神经网络改进Q学习算法的移动机器人导航23

2.2.3  实验及结果分析27

2.3  模糊控制与虚拟力场法相结合的移动机器人导航30

2.3.1  虚拟力场法简介30

2.3.2  基于模糊控制改进虚拟力场法的移动机器人导航33

2.3.3  实验及结果分析37

2.4  本章小结41

参考文献42

第3章  移动机器人路径规划44

3.1  移动机器人路径规划概述44

3.2  传统路径规划方法简介45

3.2.1  构形空间法45

3.2.2  可视图法45

3.2.3  栅格法46

3.2.4  拓扑法47

3.2.5  概率路径图法48

3.3  基于人工蜂群算法的移动机器人路径规划49

3.3.1  人工蜂群算法简介49

3.3.2  基于改进人工蜂群算法的路径规划方法50

3.3.3  实验及结果分析54

3.4  基于蛙跳算法的移动机器人路径规划57

3.4.1  蛙跳算法简介57

3.4.2  基于改进蛙跳算法的路径规划58

3.4.3  实验及结果分析60

3.5  基于文化基因算法的路径规划63

3.5.1  文化基因算法简介63

3.5.2  基于改进文化基因算法的路径规划64

3.5.3  实验及结果分析68

3.6  本章小结72

参考文献72

第4章  移动机器人视觉74

4.1  移动机器人视觉技术概述74

4.1.1  机器人视觉技术简介74

4.1.2  移动机器人视觉技术的发展概况75

4.2  基于改进ViBe的运动目标检测76

4.2.1  改进ViBe算法的原理77

4.2.2  实验结果与分析80

4.2.3  基于I-ViBe的运动目标检测的背景更新机制和实时性84

4.3  基于KCF的运动目标跟踪85

4.3.1  基于改进KCF的运动目标跟踪86

4.3.2  实验结果与分析91

4.3.3  SLKCF跟踪算法在复杂环境中的性能95

4.4  本章小结96

参考文献97

第5章  移动机器人环境感知100

5.1  移动机器人环境感知概述100

5.1.1  环境感知的主要任务100

5.1.2  移动机器人常用环境感知传感器101

5.2  基于改进ORB的场景特征提取与匹配104

5.2.1  图像特征提取与匹配算法简介104

5.2.2  改进ORB特征提取与匹配算法108

5.2.3  实验结果与分析109

5.3  半稠密地图的构建113

5.3.1  像素筛选策略114

5.3.2  逆深度估计115

5.3.3  基于图像金字塔的逆深度传递117

5.3.4  实验与结果分析119

5.4  基于深度神经网络的移动机器人道路场景分类120

5.4.1  改进的场景分类深度神经网络121

5.4.2  实验与结果分析125

5.4.3  关于局部特征提取和全局特征提取的讨论129

5.5  本章小结131

参考文献131

第6章  移动机器人同步定位与建图134

6.1  移动机器人同步定位与建图概述134

6.1.1  移动机器人定位概述134

6.1.2  移动机器人地图建模概述139

6.1.3  移动机器人SLAM概述141

6.2  基于改进扩展卡尔曼滤波的移动机器人SLAM算法144

6.2.1  算法描述144

6.2.2  仿真实验和结果分析147

6.3  基于改进生物启发方法的移动机器人SLAM算法151

6.3.1  算法描述151

6.3.2  室内移动机器人SLAM实验157

6.4  基于深度学习的移动机器人语义SLAM算法163

6.4.1  移动机器人语义SLAM算法概述163

6.4.2  基于卷积神经网络的移动机器人语义SLAM算法168

6.4.3  实验及结果分析172

6.5  本章小结175

参考文献175

第7章  多机器人协作179

7.1  多机器人协作概述179

7.1.1  多机器人协作的研究进展179

7.1.2  多机器人协作的主要研究内容183

7.2  基于自组织神经网络的任务分配算法184

7.2.1  任务分配问题描述185

7.2.2  任务分配算法185

7.2.3  实验及结果分析187

7.3  基于动态生物刺激神经网络的多机器人系统编队190

7.3.1  编队问题的描述191

7.3.2  基于动态生物刺激神经网络的多机器人系统导航193

7.3.3  编队仿真实验及结果分析195

7.4  基于精确势博弈的多无人机协同覆盖搜索199

7.4.1  多无人机协同覆盖搜索概述199

7.4.2  势博弈方法概述200

7.4.3  基于精确势博弈的多无人机协同覆盖方法202

7.4.4  实验及结果分析207

7.5  本章小结213

参考文献213

第8章  移动机器人自主控制进展218

8.1  移动机器人自主控制的研究进展218

8.1.1  基于生物启发式算法的移动机器人自主控制218

8.1.2  基于深度神经网络的移动机器人自主控制225

8.2  基于改进脊椎神经系统的异构多AUV协同围捕算法232

8.2.1  异构多AUV协同围捕问题描述232

8.2.2  异构多AUV协同围捕算法234

8.2.3  实验和结果分析238

8.3  基于改进肉芽肿形成算法的移动机器人故障自恢复算法245

8.3.1  移动机器人故障自恢复问题描述245

8.3.2  机器人故障自恢复方法248

8.3.3  实验及结果分析256

8.4  本章小结264

参考文献264