新書推薦：
《
我讨厌我自己：重建内心秩序，找回自己内心的光明
》
售價：NT$
301.0
《
人类迁徙（BBC驻外记者先锋之作，另类视角的人类简史）
》
售價：NT$
296.0
《
数学真有用：生活中的数学智慧
》
售價：NT$
254.0
《
数学思维的力量
》
售價：NT$
332.0
《
大学问·清承明制：明清国家治理与社会变迁
》
售價：NT$
500.0
《
魏武王曹操（共两册）
》
售價：NT$
796.0
《
大学问·太平天国的历史和思想（一部研究太平天国的经典著作）
》
售價：NT$
653.0
《
细说秦汉史：中国人的生存逻辑
》
售價：NT$
704.0
|
| 內容簡介： |
|
随着人工智能技术的发展，机器人进入了智能化阶段。如何使机器人像人类一样观察世界、感知世界，一直都是人工智能、计算机科学领域的热门话题。SLAM主要解决的是机器人领域中“我在哪”“我周围有什么”的问题，是机器人实现智能化的关键技术。本书对智能机器人SLAM与路径规划进行了详细的介绍，内容涵盖传感器、移动机器人平台、路径规划和跟踪、传感器融合方法、障碍回避和SLAM等。本书对目前主流的位姿SLAM、视觉SLAM和语义SLAM算法进行了介绍与比较，也对深度学习技术在智能机器人SLAM与路径规划中的作用进行了较为详细的介绍，以便为学习者提供更多的参考信息。本书可作为人工智能、计算机科学与技术、电气工程及其自动化、电子信息工程等专业的本科生、研究生的教材，也可作为相关专业的工程技术人员、机器人爱好者的参考书。
|
| 關於作者： |
|
陶重犇，副教授/博士/硕士生导师。2014年毕业于江南大学物联网学院，获博士学位，清华大学苏州汽车研究院博士后，博士期间曾获得国家留学基金委资助，作为联合培养博士研究生赴美国俄克拉荷马州立大学ASCC实验室学习和工作2年。主要从事移动机器人、自动驾驶态势感知、车联网信息安全等领域的研究。2014年至今就职于苏州科技大学，目前担任计算机系副主任。
|
| 目錄：
|
第1章 绪论001
1.1 引言001
1.2 研究现状002
1.2.1 国外研究现状002
1.2.2 国内研究现状004
1.3 本书研究内容006
第2章 SLAM前端算法008
2.1 引言008
2.2 特征提取009
2.3 位姿估计010
2.3.1 霍恩法010
2.3.2 奇异值分解法012
2.4 误差传播012
2.4.1 匹配点误差传播013
2.4.2 点云误差传播014
2.4.3 误差传播试验015
2.5 实验与分析015
2.6 本章小结017
第3章 SLAM后端算法018
3.1 引言018
3.2 位姿SLAM算法的预备知识019
3.2.1 状态增强019
3.2.2 状态更新020
3.2.3 数据关联021
3.2.4 状态稀疏性024
3.3 六自由度位姿SLAM算法024
3.3.1 欧拉角参数化025
3.3.2 四元数参数化026
3.4 遍历性地图的构建028
3.5 位姿SLAM建图029
3.5.1 视觉里程计029
3.5.2 三维体积地图030
3.5.3 三维遍历地图031
3.6 本章小结032
第4章 基于激光传感器的SLAM算法033
4.1 引言033
4.2 基于激光传感器的SLAM算法模型034
4.2.1 SLAM问题的概率模型034
4.2.2 EKF-SLAM算法034
4.2.3 基于粒子滤波的SLAM算法036
4.2.4 基于滤波的SLAM算法的局限性039
4.3 改进滤波SLAM算法039
4.3.1 建议分布函数的计算039
4.3.2 算法流程041
4.4 实验与分析042
4.4.1 仿真环境中的算法对比042
4.4.2 真实环境中的算法对比043
4.5 本章小结045
第5章 位姿SLAM在置信空间中的路径规划046
5.1 引言046
5.2 位姿SLAM路径规划算法的原理048
5.2.1 提高位姿SLAM图的连通性049
5.2.2 路径步长的不确定性050
5.2.3 沿路径的最小不确定性051
5.3 位姿SLAM路径规划算法的实现052
5.4 实验与分析054
5.4.1 合成数据集实验054
5.4.2 室内数据集实验055
5.4.3 大规模数据集057
5.4.4 密集三维建图数据集060
5.4.5 真实机器人导航062
5.4.6 基于图优化的SLAM算法的路径规划064
5.5 本章小结067
第6章 RRT*路径规划算法068
6.1 引言068
6.2 RRT*路径规划算法的基本原理068
6.3 RRT*路径规划算法的局限性069
6.4 改进RRT*路径规划算法070
6.4.1 标准离散时间MPC070
6.4.2 动态环境中的随机最优化071
6.5 实验与分析072
6.5.1 仿真环境中的算法实验072
6.5.2 真实环境中的算法实验074
6.6 本章小结078
第7章 主动式SLAM079
7.1 引言079
7.2 动作集080
7.2.1 探索性动作080
7.2.2 位置重访动作081
7.3 动作的效用082
7.4 重新规划083
7.5 实验与分析084
7.5.1 路径探测084
7.5.2 路径重新规划085
7.5.3 与基于边界的探索的比较086
7.5.4 基于图优化的SLAM的探索087
7.6 本章小结089
第8章 多机器人编队SLAM090
8.1 引言090
8.2 多机器人系统091
8.3 基于SLAM的机器人探测方法091
8.3.1 位姿跟踪方法091
8.3.2 二维与三维联合建图方法096
8.4 多机器人定位与建图100
8.5 本章小结104
第9章 基于VSLAM的几何地图构建算法106
9.1 引言106
9.2 RGB-D三维建图算法106
9.3 ORB算法107
9.4 点云生成与点云配准109
9.4.1 点云生成109
9.4.2 点云配准109
9.5 地图优化110
9.6 实验与分析111
9.6.1 机器人系统配置111
9.6.2 几何地图构建112
9.6.3 分析与评估113
9.7 本章小结114
第10章 基于视觉与定位系统融合的地图构建115
10.1 引言115
10.2 RGB-D信息获取的原理116
10.3 基于RGB-D摄像头的VSLAM系统构建117
10.3.1 VSLAM系统模块117
10.3.2 机器人系统建模118
10.3.3 Kinect摄像头的标定122
10.4 基于图像数据与运动数据融合的三维建图126
10.4.1 特征提取与特征匹配126
10.4.2 MICP算法128
10.4.3 FastSLAM算法129
10.5 实验与分析130
10.5.1 机器人软硬件配置及实验环境130
10.5.2 VSLAM算法的性能评估131
10.6 本章小结135
第11章 基于VSLAM的环境语义地图构建方法137
11.1 引言137
11.2 Mask RCNN算法137
11.3 Mask RCNN算法测试139
11.3.1 自建数据集实验139
11.3.2 连续场景实验140
11.3.3 分析与评估141
11.4 语义SLAM算法141
11.5 DynaSLAM算法142
11.5.1 系统综述142
11.5.2 动态障碍物分割143
11.6 MaskFusion算法143
11.6.1 MaskFusion系统综述144
11.6.2 帧间追踪144
11.6.3 语义与几何分割144
11.7 OMASK-SLAM算法145
11.7.1 系统框架145
11.7.2 几何特征与语义信息的融合145
11.7.3 动态障碍物处理147
11.8 实验与分析148
11.8.1 实验平台148
11.8.2 语义地图构建148
11.8.3 分析与评估149
11.9 本章小结149
第12章 基于行为识别的三维语义建图150
12.1 引言150
12.2 语义建图系统建模151
12.2.1 问题表述151
12.2.2 运动传感器信息源152
12.2.3 活动位置信息源153
12.2.4 运动信息与位置信息融合153
12.2.5 语义地图信息反馈155
12.3 基于可穿戴式运动传感器的人体活动识别155
12.3.1 人体活动识别方法的分类155
12.3.2 人体活动识别系统的框架156
12.3.3 分层活动和手势模型157
12.3.4 基于无线运动传感器的人体活动识别157
12.3.5 DBN模型的实现160
12.3.6 基于贝叶斯定理的人体活动识别更新162
12.4 实验与分析163
12.4.1 机器人系统配置及实验环境163
12.4.2 动态障碍物检测与追踪164
12.4.3 基于运动传感器的身体活动识别165
12.4.4 活动识别融合测试166
12.4.5 二维环境语义建图测试168
12.4.6 三维环境语义建图测试168
12.5 本章小结171
参考文献172
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
