移动机器人SLAM 目标跟踪及路径规划2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

移动机器人SLAM 目标跟踪及路径规划PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 移动机器人同步定位与地图构建研究1

1.2 多移动机器人协同定位研究1

1.2.1 多机器人系统研究1

1.2.2 多移动机器人协同体系结构2

1.2.3 多移动机器人协同定位研究现状4

1.3 多移动机器人目标跟踪研究5

1.4 多移动机器人路径规划研究6

1.5 本章小结7

第2章 基于卡尔曼滤波及其衍生的同步定位与地图构建算法8

2.1 卡尔曼滤波及SLAM问题概述8

2.1.1 卡尔曼滤波的概述8

2.1.2 SLAM问题的概率描述8

2.2 基于扩展卡尔曼滤波的SLAM研究9

2.2.1 EKF-SLAM算法9

2.2.2 EKF-SLAM算法过程9

2.2.3 仿真实验及分析10

2.3 基于无迹卡尔曼滤波的SLAM研究13

2.3.1 UKF-SLAM算法13

2.3.2 UT变换14

2.3.3 UKF-SLAM算法过程15

2.3.4 仿真实验及分析16

2.4 基于UKF-SLAM改进算法的研究19

2.4.1 SR-UKF-SLAM算法19

2.4.2 SPSR-UKF-SLAM算法20

2.4.3 仿真实验及分析21

2.5 基于容积卡尔曼滤波及改进算法的研究24

2.5.1 CKF算法概述24

2.5.2 容积变换25

2.5.3 CKF算法步骤27

2.5.4 SR-CKF-SLAM算法28

2.5.5 ISR-CKF-SLAM算法29

2.5.6 仿真实验及分析31

2.6 本章小结34

第3章 基于SR-CKF的多移动机器人协同定位及目标跟踪算法36

3.1 基于SR-CKF的多机器人协同定位算法36

3.1.1 卡尔曼滤波器36

3.1.2 平方根容积卡尔曼滤波算法在移动机器人定位中的应用36

3.1.3 基于SR-CKF的相对方位多机器人协同定位算法39

3.1.4 仿真实验及分析42

3.2 移动机器人动态目标跟踪算法46

3.2.1 移动机器人同时定位与动态目标跟踪46

3.2.2 基于SR-CKF的移动机器人动态目标跟踪算法47

3.2.3 仿真实验及分析51

3.3 多移动机器人协同定位与目标跟踪研究55

3.3.1 多移动机器人编队控制55

3.3.2 数据融合问题57

3.3.3 基于协方差交集的多机器人协同目标跟踪算法61

3.3.4 仿真实验及分析64

3.4 本章小结67

第4章 基于自适应SR-CKF的序贯式WSNs目标跟踪算法69

4.1 系统模型及问题69

4.1.1 目标运动模型70

4.1.2 传感器节点观测模型70

4.2 自适应SR-CKF序贯式WSNs目标跟踪算法70

4.3 仿真实验及分析72

4.3.1 仿真环境及参数72

4.3.2 仿真结果及性能分析72

4.3.3 跟踪误差分析73

4.3.4 运行时间及能耗分析75

4.4 本章小结76

第5章 基于改进CKF的WSNs与移动机器人协作定位算法77

5.1 系统模型及问题描述77

5.1.1 移动机器人-WSNs定位问题描述77

5.1.2 移动机器人-WSNs系统模型77

5.2 基于移动机器人辅助的改进CKF的节点定位算法78

5.2.1 卡尔曼滤波在节点定位中的应用78

5.2.2 基于改进CKF的辅助节点定位算法79

5.2.3 基于GM-CKF的辅助节点定位算法80

5.2.4 仿真实验及分析82

5.3 WSNs环境下基于改进CKF算法的移动机器人定位算法84

5.3.1 WSNs环境下移动机器人定位研究84

5.3.2 CKF算法改进思想86

5.3.3 WSNs环境下移动机器人定位算法实现流程88

5.3.4 仿真实验及分析89

5.4 基于改进CKF算法的WSNs与移动机器人协作定位93

5.4.1 协作定位问题描述与建模93

5.4.2 改进CKF算法的WSNs与移动机器人协作定位95

5.4.3 仿真实验及分析96

5.5 本章小结99

第6章 基于粒子滤波（PF）的同步定位与地图构建算法100

6.1 基于快速同步定位与地图构建的移动机器人算法100

6.1.1 FastSLAM算法的提出100

6.1.2 FastSLAM算法分析100

6.1.3 优化的FastSLAM算法基本原理102

6.1.4 仿真实验及分析104

6.2 基于改进Rao-Blackwellized粒子滤波（RBPF）的SLAM算法107

6.2.1 环境建模107

6.2.2 RBPF-SLAM算法描述108

6.2.3 改进RBPF-SLAM算法109

6.2.4 仿真实验及分析111

6.3 本章小结115

第7章 已知环境下全局路径规划算法116

7.1 基于优化D＊Lite算法的移动机器人路径规划算法116

7.1.1 算法优化策略116

7.1.2 优化的D＊Lite搜索过程120

7.1.3 优化的D＊Lite算法仿真122

7.2 基于改进蚁群算法的移动机器人路径规划算法125

7.2.1 环境模型的建立125

7.2.2 传统蚁群算法128

7.2.3 改进的蚁群路径规划算法131

7.2.4 改进算法流程133

7.2.5 仿真实验及分析134

7.3 基于改进人工势场法的移动机器人路径规划算法137

7.3.1 传统人工势场法137

7.3.2 修改引力场函数138

7.3.3 修改斥力场函数139

7.3.4 局部极小值分析140

7.3.5 仿真实验及分析140

7.4 本章小结142

第8章 未知环境下基于滚动窗口与多层Morphin的局部路径规划算法143

8.1 问题描述143

8.2 滚动窗口规划基本原理143

8.2.1 滚动规划的方法143

8.2.2 滚动窗口的构造144

8.3 局部子目标点的选取144

8.4 障碍物预测模型及避碰策略145

8.4.1 障碍物预测模型145

8.4.2 避碰预测及策略147

8.4.3 算法流程147

8.4.4 仿真实验及分析148

8.5 未知环境下基于多层Morphin的局部路径规划算法150

8.5.1 移动机器人运动学模型150

8.5.2 Morphin算法原理151

8.5.3 多层Morphin搜索树151

8.5.4 路径评估函数152

8.6 本章小结154

第9章 移动机器人混合路径算法及编队控制155

9.1 基于改进量子粒子群和Morphin算法的混合路径规划算法155

9.1.1 基于改进QPSO的全局路径规划155

9.1.2 基于Morphin算法的局部路径规划158

9.1.3 仿真实验及分析159

9.2 基于人工势场的多移动机器人系统编队控制162

9.2.1 多移动机器人编队控制算法162

9.2.2 基于群集理论的多移动机器人系统运动控制模型165

9.2.3 多移动机器人编队控制中的势场函数165

9.2.4 基于人工势场的多移动机器人编队形成166

9.2.5 仿真实验及分析167

9.3 基于虚拟领航和人工势场的编队控制170

9.3.1 基于虚拟领航者的机器人运动方程170

9.3.2 基于虚拟领航的群集算法实现171

9.3.3 算法稳定性分析174

9.3.4 仿真实验及分析175

9.4 本章小结178

第10章 基于鼠类脑细胞导航机理的移动机器人仿生SLAM算法180

10.1 源于自然的机器人导航180

10.1.1 鼠类相关导航脑细胞181

10.1.2 国内外研究现状及分析184

10.1.3 鼠类脑细胞导航机理下的仿生SLAM188

10.2 基于位姿细胞和局部场景细胞的SLAM算法研究（VP-SLAM）189

10.2.1 模型概述189

10.2.2 实验场景介绍190

10.3 基于实时关键帧匹配的闭环检测模型研究（GVP-SLAM）191

10.3.1 模型概述191

10.3.2 仿真实验及分析193

10.4 融合速度细胞和边界细胞的鼠类导航模型研究（BVGSP-SLAM）196

10.4.1 模型概述196

10.4.2 仿真实验及分析198

10.5 融合DGSOM神经网络的BVGSP-SLAM模型199

10.5.1 模型概述199

10.5.2 仿真实验及分析201

10.6 本章小结207

参考文献208