移動機器人 SLAM 目標跟蹤及路徑規劃
內容描述
從簡單重複的勞動中解放出來一直是人類的夢想，也是人類創造發明機器人的主要目的之一。
機器人具有可移動性，可以進一步擴大其使用範圍並能更好地提高其使用效率，但移動機器人在復雜環境中如何模仿人類進行自我導航和路徑規劃一直是難以解決的問題。
《移動機器人SLAM目標跟踪及路徑規劃》系統地介紹了移動機器人及多移動機器人同步定位與地圖構建（SLAM）、目標跟踪及路徑規劃三方面相對獨立又彼此相關的內容，尤其又擴展到移動機器人與無線傳感網絡、基於無線傳感網絡的目標跟踪以及基於鼠類混合導航細胞的移動機器人衍生SLAM算法等前沿問題。
《移動機器人SLAM目標跟踪及路徑規劃》可作為理工科的碩士、博士研究生的參考書，同時也可供相關領域的科研工作者參考。
目錄大綱
第1章 緒論
1.1 移動機器人同步定位與地圖構建研究
1.2 多移動機器人協同定位研究
1.2.1 多機器人系統研究
1.2.2 多移動機器人協同體系結構
1.2.3 多移動機器人協同定位研究現狀
1.3 多移動機器人目標跟蹤研究
1.4 多移動機器人路徑規劃研究
1.5 本章小結
第2章 基於卡爾曼濾波及其衍生的同步定位與地圖構建算法
2.1 卡爾曼濾波及SLAM問題概述
2.1.1 卡爾曼濾波的概述
2.1.2 SLAM問題的概率描述
2.2 基於擴展卡爾曼濾波的SLAM研究
2.2.1 EKF-SLAM算法
2.2.2 EKF-SLAM算法過程
2.2.3 仿真實驗及分析
2.3 基於無跡卡爾曼濾波的SLAM研究
2.3.1 UKF-SLAM算法
2.3.2 UT變換
2.3.3 UKF-SLAM算法過程
2.3.4 仿真實驗及分析
2.4 基於UKF-SLAM改進算法的研究
2.4.1 SR-UKF-SLAM算法
2.4.2 SPSR-UKF-SLAM算法
2.4.3 仿真實驗及分析
2.5 基於容積卡爾曼濾波及改進算法的研究
2.5.1 CKF算法概述
2.5.2 容積變換
2.5.3 CKF算法步驟
2.5.4 SR-CKF-SLAM算法
2.5.5 ISR-CKF-SLAM算法
2.5.6 仿真實驗及分析
2.6 本章小結
第3章 基於SR-CKF的多移動機器人協同定位及目標跟蹤算法
3.1 基於SR-CKF的多機器人協同定位算法
3.1.1 卡爾曼濾波器
3.1.2 平方根容積卡爾曼濾波算法在移動機器人定位中的應用
3.1.3 基於SR-CKF的相對方位多機器人協同定位算法
3.1.4 仿真實驗及分析
3.2 移動機器人動態目標跟蹤算法
3.2.1 移動機器人同時定位與動態目標跟蹤
3.2.2 基於SR-CKF的移動機器人動態目標跟蹤算法
3.2.3 仿真實驗及分析
3.3 多移動機器人協同定位與目標跟蹤研究
3.3.1 多移動機器人編隊控制
3.3.2 數據融合問題
3.3.3 基於協方差交集的多機器人協同目標跟蹤算法
3.3.4 仿真實驗及分析
3.4 本章小結
作者介紹
陳孟元，安徽工程大學副教授，學術骨幹；中國科學技術大學博士。
近年來，其主要從事移動機器人SLAM、目標跟踪及路徑規劃的研究與教學，主持各類橫縱項目10餘項，以第一作者發表學術論文30餘篇(其中SCI／EI收錄10餘篇) ，以第一發明人獲得國家專利6項，獲得安徽省教學成果獎一、二等獎各1項，出版規劃教材2部。
