未知环境中移动机器人自定位技术

    本书以未知环境中移动机器人导航控制中自定位技术作为研究内容，对未知环境中移动机器人自定位技术的基本原理、典型技术和研究进展进行了比较详细的介绍和讨论，并融入了作者多年来的相关研究成果。本书共分八章，重点介绍了内外部定位传感器误差分析、复杂地形下的航迹推测、动态环境中基于环境感知的自定位、未知数据关联下基于概率技术的并发建图与定位等方面的研究进展，意在推动认知科学、模式识别等学科的前沿问题的研究，对提高探测移动机器人导航控制中的自定位技术水平具有重要的意义。
    本书可作为高等院校计算机科学与技术、智能科学与技术、自动化等专业的研究生或高年级本科生的专业基础课辅助教材，亦可供广大从事智能机器人、人工智能、智能控制和智能系统研究、设计、应用和开发领域的科技工作者和高等院校的师生阅读和参考。

第1章  概述1
  1.1  引言1
  1.2  移动机器人的研究概况2
    1.2.1  移动机器人的发展历史2
    1.2.2  国际移动机器人的发展3
    1.2.3  国内移动机器人的发展4
  1.3  移动机器人导航和定位5
    1.3.1  移动机器人导航5
    1.3.2  移动机器人定位6
    1.3.3  环境模型的表示7
  1.4  移动机器人自定位的现状分析8
    1.4.1  定位系统组成及定位误差分析8
    1.4.2  移动机器人自定位的研究现状分析10
  1.5  移动机器人自定位的研究难点14
    1.5.1  复杂地形下的航迹推测14
    1.5.2  动态环境建图与定位14
    1.5.3  多传感器信息融合14
    1.5.4  其他因素14
  1.6  本书的内容安排15
  参考文献15
第2章  移动机器人定位传感器误差分析21
  2.1  引言21
  2.2  本体感受传感器22
    2.2.1  电位器22
    2.2.2  里程计23
    2.2.3  光纤陀螺仪26
    2.2.4  倾角传感器36
  2.3  环境感知传感器38
    2.3.1  激光雷达38
    2.3.2  视觉传感器43
    2.3.3  超声波传感器56
  参考文献63
第3章  复杂地形下基于本体感受的移动机器人航迹推测66
  3.1  引言66
  3.2  移动机器人系统及其体系结构67
    3.2.1  移动机构与传感器系统67
    3.2.2  硬件系统70
    3.2.3  总体性能指标72
  3.3  移动机器人的航迹推测基础72
    3.3.1  轮式移动机器人的运动学模型72
    3.3.2  复杂地形下航迹推测的基础74
  3.4  移动机器人航迹推测的输出变换76
    3.4.1  航迹推测的输出变换76
    3.4.2  航迹推测方程77
  3.5  基于摇架机构的速度矢量角分析78
    3.5.1  摇架约束下的速度矢量角分析78
    3.5.2  矢量角计算的奇异状态81
    3.5.3  基于运动学分析的航迹推测算法实现82
  3.6  移动机器人的运动仿真与实验分析83
    3.6.1  移动机器人阶跃地形下的运动学仿真83
    3.6.2  平缓变化地形下的运动学仿真86
    3.6.3  移动机器人航迹推测的实验87
  参考文献90
第4章  动态环境中基于激光雷达感知的地图匹配自定位92
  4.1  引言92
  4.2  激光雷达环境感知的原理93
  4.3  基于激光雷达的环境感知94
    4.3.1  系统结构组成94
    4.3.2  环境建图原理96
    4.3.3  高度图的建立97
    4.3.4  实验分析99
  4.4  动态环境中动、静态障碍的检测与分析100
    4.4.1  基于空间聚类的障碍分类101
    4.4.2  聚类障碍属性参数及关联性分析102
    4.4.3  基于聚类障碍时空关联的动、静态属性检测103
    4.4.4  实验分析104
  4.5  基于改进建议分布的粒子滤波的动态障碍跟踪定位107
    4.5.1  粒子滤波PF及其建议分布选择107
    4.5.2  基于改进建议分布的粒子滤波的动态障碍跟踪定位109
    4.5.3  实验分析110
  4.6  基于模糊似然估计的局部静态地图匹配定位112
    4.6.1  基于最大似然估计MLE的局部地图匹配112
    4.6.2  模糊逻辑在地图匹配中的应用113
    4.6.3  实验分析113
  参考文献114
第5章  动态环境中基于视觉感知的运动目标跟踪定位117
  5.1  引言117
  5.2  视觉环境感知的原理118
    5.2.1  基于运动分析方法118
    5.2.2  立体视觉障碍物检测方法120
  5.3  基于自适应图像分割的障碍物检测122
    5.3.1  彩色图像分割的基本理论122
    5.3.2  自适应图像分割算法126
    5.3.3  实验分析127
  5.4  基于立体视觉的环境感知129
    5.4.1  空间点的重建129
    5.4.2  基于投影直线方程的立体视觉的计算131
    5.4.3  结合自适应分割的立体视觉环境感知132
    5.4.4  实验分析134
  5.5  基于移动机器人视觉系统的运动目标跟踪定位136
    5.5.1  运动目标参数估计136
    5.5.2  三帧差背景剪除139
    5.5.3  运动补偿139
    5.5.4  扩展Kalman滤波141
    5.5.5  运动目标提取142
    5.5.6  差分模板更新144
    5.5.7  基于视觉系统的运动目标跟踪定位145
    5.5.8  实验分析147
  参考文献150
第6章  未知数据关联下基于PF的增量式环境建图与自定位153
  6.1  引言153
  6.2  增量式环境建模与自定位的概率定义154
    6.2.1  增量式环境建模与自定位的概率描述154
    6.2.2  基于粒子滤波PF的SLAM155
  6.3  改进的RBPF滤波算法实现增量式环境建模与自定位159
    6.3.1  基于模糊聚类算法的特征提取159
    6.3.2  增量式数据关联及特征匹配163
    6.3.3  改进的RBPF滤波算法实现增量式环境建模与自定位166
  6.4  基于激光雷达鲁棒测量模型的并发建图与定位173
    6.4.1  现状分析173
    6.4.2  激光雷达异常检测与滤除174
    6.4.3  激光雷达鲁棒测量模型177
    6.4.4  基于激光雷达鲁棒测量模型的并发定位与建图181
  参考文献187
第7章  未知环境中基于HMM的增量式视觉拓扑建模与自定位192
  7.1  引言192
  7.2  增量式环境建模与自定位的常用概率方法193
    7.2.1  常用的概率方法193
    7.2.2  用于建模与定位的机器视觉技术195
  7.3  未知环境的自然路标检测、表示与识别199
    7.3.1  现状分析199
    7.3.2  视觉显著性(Saliency)202
    7.3.3  基于视觉显著性的自然路标检测机制203
    7.3.4  存储与识别213
    7.3.5  实验分析217
  7.4  基于HMM的增量式视觉拓扑建模与自定位225
    7.4.1  现状分析225
    7.4.2  基于HMM的拓扑定位简介227
    7.4.3  增量式拓扑建模229
    7.4.4  自定位235
    7.4.5  实验分析239
  参考文献244
第8章  研究展望248
  8.1  未来研究趋势249
    8.1.1  未知环境中单机器人自定位技术249
    8.1.2  未知环境中多移动机器人协作自定位技术249
  8.2  结束语252
参考文献252