複雜未知環境中移動機器人SLAM技術及應用 徐巍軍 9787308231824 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：浙江大學
物品所在地：中國大陸
原出版社：浙江大學
NT$496
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202408*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：複雜未知環境中移動機器人SLAM技術及應用 ISBN：9787308231824 出版社：浙江大學 著編譯者：徐巍軍 頁數：202 所在地：中國大陸 *此為代購商品 書號：1678154 可大量預訂，請先連絡。 內容簡介 移動機器人的實際作業環境存在各種不確定干擾因素，其測量系統的雜訊往往具有非高斯重尾分佈或者參數先驗信息未知等特性。在這些複雜未知環境下，傳統的基於貝葉斯濾波估計技術的同時定位與地圖創建（Simultaneous Localization and Mapping，簡稱SLAM）演算法性能受到了嚴重影響，其定位精度、地圖準確性和計算效率無法滿足實際應用的需求。為了提高傳統演算法在水下等複雜未知環境下的估計性能，本書分別對基於高斯濾波器、粒子濾波器和概率假設密度濾波器的SLAM技術進行了改進，同時就自主式水下潛器（Autonomous Underwater Vehicle，簡稱AUV）自主導航應用進行了重點研究。目錄 第1章 移動機器人SLAM技術概述1 1 引 言 1 2 SLAM技術發展及應用現狀 1 2 1 國外SLAM技術發展及應用現狀 1 2 2 國內SLAM技術發展及應用現狀 1 3 環境地圖表示方法 1 3 1 基於柵格的地圖表示法 1 3 2 基於拓撲的地圖表示法 1 3 3 基於特徵的地圖表示法 1 3 4 基於視圖的地圖表示法 1 3 5 基於語義的地圖表示法 1 3 6 混合地圖表示法 1 4 SLAM演算法研究進展分析 1 4 1 基於高斯濾波器的SLAM演算法 1 4 2 基於粒子濾波器的SLAM演算法 1 4 3 基於概率假設密度濾波器的SLAM演算法 1 4 4 基於圖優化的SLAM演算法 參考文獻 第2章 SLAM隨機概率模型及演算法框架 2 1 引 言 2 2 概率機器人學基礎 2 2 1 概率統計學基礎 2 2 2 機器人學不確定性 2 3 貝葉斯狀態估計原理及方法 2 3 1 貝葉斯模型構成 2 3 2 貝葉斯濾波方程及求解方法 2 3 3 高斯濾波器 2 3 4 粒子濾波器 2 3 5 概率假設密度濾波器 2 4 移動機器人SLAM概率模型 2 4 1 機器人運動模型 2 4 2 路標特徵測量模型 2 4 3 遞歸運算過程 2 5 基於高斯濾波器的SLAM演算法 2 5 1 高斯濾波SLAM演算法原理 2 5 2 高斯濾波SLAM演算法流程 2 6 基於粒子濾波器的SLAM演算法 2 6 1 FastSLAM演算法原理 2 6 2 FastSLAM演算法流程 2 7 基於概率假設密度濾波器的SLAM演算法 2 7 1 概率假設密度濾波SLAM演算法原理 2 7 2 概率假設密度濾波SLAM演算法實現 參考文獻 第3章 基於統計線性回歸魯棒優化的高斯濾波SLAM演算法 3 1 引 言 3 2 估計原理與發展歷史 3 2 1 估計原理概述 3 2 2 魯棒性估計發展歷程 3 3 估計演算法的魯棒性定義 3 3 1 定性魯棒性 3 3 2 全局魯棒性 3 3 3 局部魯棒性 3 4 基於線性回歸的魯棒估計演算法 3 4 1 經典極大似然估計 3 4 2 廣義極大似然估計 3 4 3 常用魯棒代價函數 3 4 4 估計性能評價指標 3 5 非線性濾波技術原理與分類 3 5 1 非線性濾波方法概述 3 5 2 基於函數線性化的近似方法 3 5 3 基於確定性採樣的近似方法 3 5 4 加權統計線性回歸方法 3 6 典型的Sigma點濾波演算法 3 6 1 無跡卡爾曼濾波器 3 6 2 中心差分卡爾曼濾波器 3 6 3 求積分卡爾曼濾波器 3 6 4 容積卡爾曼濾波器 3 7 基於統計線性回歸的高斯濾波SLAM演算法 3 7 1 HSCKF-SLAM預測估計 3 7 2 HSCKF-SLAM測量更新 3 7 3 HSCKF-SLAM新特徵初始化 3 7 4 HSCKF-SLAM魯棒測量更新 3 8 數值模擬實驗與結果分析 3 8 1 SLAM演算法模擬環境介紹 3 8 2 SLAM演算法估計性能度量指標 3 8 3 模擬實驗結果分析 參考文獻 第4章 基於自適應粒子重採樣的UFastSLAM演算法 4 1 引 言 4 2 粒子濾波器基本原理 4 2 1 蒙特卡羅方法 4 2 2 馬爾可夫蒙特卡羅方法 4 2 3 粒子重要性採樣 4 2 4 序貫重要性採樣 4 2 5 序貫重要性重採樣 4 2 6 Rao-Blackwellized粒子濾波器 4 3 粒子濾波器關鍵問題及其常用改善方法 4 3 1 粒子退化與粒子貧乏問題 4 3 2 重要性密度函數的選擇 4 3 3 重採樣策略的選擇 4 3 4 計算效率和估計精度 4 4 粒子濾波器性能改進方法 4 4 1 基於轉換無跡變換的粒子提議分佈 4 4 2 自適應粒子重採樣 4 5 基於自適應粒子重採樣的UFastSLAM演算法 4 5 1 粒子提議分佈函數估計 4 5 2 環境特徵地圖創建 4 5 3 粒子重要性權值計算及自適應粒子重採樣 4 5 4 演算法計算複雜度分析 4 6 數值模擬實驗與結果分析 4 6 1 模擬實驗結果 4 6 2 實際數據集實驗結果 參考文獻 第5章 同時估計未知雜訊方差的概率假設密度SLAM演算法 5 1 引 言 5 2 隨機有限集統計學理論基礎 5 2 1 隨機有限集基本定義 5 2 2 隨機有限集的統計描述 5 2 3 常用的隨機有限集 5 2 4 隨機有限集貝葉斯濾波器 5 2 5 概率假設密度濾波器 5 2 6 多目標濾波估計性能評價指標 5 3 變分貝葉斯估計基本理論 5 3 1 概率估計方法分類 5 3 2 最大后驗估計 5 3 3 期望最大化估計 5 3 4 變分貝葉斯估計 5 3 5 含未知測量雜訊方差的系統模型 5 3 6 改進的高斯混合概率假設密度濾波器 5 4 基於變分貝葉斯估計的概率假設密度SLAM演算法 5 4 1 特徵地圖及測量雜訊參數預測 5 4 2 特徵地圖及測量雜訊參數更新 5 4 3 特徵地圖提取 5 4 4 機器人位姿狀態估計 5 5 數值模擬實驗與結果分析 5 5 1 模擬環境 5 5 2 模擬結果 參考文獻 第6章 總結與展望 6 1 總結 6 2 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
