前言
第1章绪论
1.1什么是移动机器人
1.2移动机器人的应用
1.3移动机器人的分类
1.4移动机器人的关键性能
1.5自主移动关键技术
1.6小结
习题
第2章预备知识
2.1概率基础
2.1.1概率密度函数
2.1.2期望、方差及高斯分布
2.1.3联合概率和条件概率
2.2三维动态系统
2.2.1位移、旋转和位姿
2.2.2状态系统建模
2.2.3旋转的线性化
2.2.4旋转的概率表示
2.3估计方法
2.3.1概率状态系统
2.3.2最大后验估计
2.3.3滤波
2.4小结
习题
第3章运动学建模
3.1概述
3.2轮式移动机器人
3.2.1轮式移动机器人运动学建模
要素
3.2.2轮式移动运动学建模方法
3.2.3移动机器人机动度
3.2.4移动机器人的工作空间与
完整性
3.3躯干式移动机器人
3.3.1仿生游动机器人
3.3.2仿生飞行机器人
3.4腿足式移动机器人
3.4.1四足机器人
3.4.2双足机器人
3.5小结
习题
第4章导航规划
4.1概述
4.2路径规划
4.2.1位形空间和完备性
4.2.2分辨率完备的路径规划方法
4.2.3概率完备的路径规划方法
4.2.4最优路径搜索方法
4.3避障规划
4.3.1Bug算法
4.3.2向量势直方图法
4.3.3动态窗口法
4.4轨迹规划
4.4.1基本概念
4.4.2一维轨迹规划
4.4.3平面移动轨迹规划
4.4.4轨迹学习
4.5融合导航
4.5.1混合A*算法
4.5.2弹性带算法
4.5.3定时弹性带算法
4.6导航行为规划
4.7小结
习题
第5章地图表示与构建
5.1概述
5.2常用环境感知传感器
5.2.1测距传感器
5.2.2相机
5.3相机建模和标定
5.4地图表示方法
5.4.1点云地图
5.4.2栅格地图
5.4.3特征地图
5.4.4拓扑地图
5.4.5地图表示研究趋势
5.5局部地图构建
5.5.1局部栅格地图构建
5.5.2局部线段特征地图构建
5.6小结
习题
第6章里程估计
6.1概述
6.2运动里程估计
6.2.1轮式编码器里程估计
6.2.2惯性测量单元里程估计
6.3激光里程计
6.3.1迭代最近点算法
6.3.2基于特征匹配的激光里程计
6.3.3局部优化
6.4视觉里程计
6.4.1视觉特征提取与匹配
6.4.2运动估计
6.4.3局部优化
6.4.4直接法
6.5多传感器融合里程估计
6.5.1视觉惯导里程计
6.5.2视觉激光里程计
6.5.3扩展卡尔曼滤波融合里程
估计
6.6小结
习题
第7章同时定位与地图构建
7.1SLAM系统整体框架
7.2闭环检测
7.2.1词包模型
7.2.2全局描述子
7.2.3序列地点识别
7.3同时定位与地图构建建模
7.3.1基于最大后验估计的同时定位与
地图构建
7.3.2因子图模型
7.3.3基于扩展卡尔曼滤波的同时定位
与地图构建
7.4优化器分析
7.4.1稀疏结构
7.4.2鲁棒优化
7.5定位
7.5.1基于扩展卡尔曼滤波的定位
7.5.2基于粒子滤波的定位
7.6小结
习题
参考文献