机器人地图创建与环境探索PDF格式文档图书下载

第1章 绪论 1

第2章 基本技术 5

2.1粒子滤波器概述 5

2.1.1基于粒子滤波器的移动机器人定位 9

2.2栅格地图 10

2.2.1占用概率地图构建方法 11

2.2.2激光测距传感器模型 13

2.2.3声纳传感器模型 13

2.2.4反射概率地图构建方法 16

第一部分 机器人位姿已知的探索 19

第3章 基于决策论的覆盖率地图探索 19

3.1概述 19

3.2覆盖率地图的定义 20

3.3基于传感器输入的覆盖率地图更新 21

3.4基于决策论的覆盖率地图探索 24

3.4.1选择最近的目标位置 25

3.4.2基于信息增益的探索 25

3.4.3在局部窗口中使用IG 27

3.4.4 IG和CL的结合（IG_ CL） 27

3.5基于占用栅格地图的探索 27

3.6实验结果 28

3.6.1带噪声传感器的建图 28

3.6.2观测点选择策略的比较 30

3.6.3扫描计数方法的优点 31

3.7相关工作 33

3.8结论 34

第4章 多机器人协作探索 35

4.1概述 35

4.2机器人团队协作探索 36

4.2.1到达目标位置的代价 37

4.2.2边界单元的效用计算 38

4.2.3目标点的选择 39

4.2.4通信范围有限时的协作 40

4.3移动机器人团队的协作建图 41

4.4实验结果 42

4.4.1移动机器人团队探索 42

4.4.2非协作探索与协作探索的比较 42

4.4.3仿真实验 44

4.4.4有限通信范围下的探索 47

4.5与其他协作技术的比较 50

4.5.1基于匈牙利算法的目标分配 50

4.5.2使用优先级策略的机器人团队协作 51

4.5.3通过解决TSP来进行机器人团队协作 52

4.6相关工作 54

4.7小结 57

第5章 基于语义地标的多机器人探索 58

5.1概述 58

5.2语义地标 58

5.3目标位置的地标估计 62

5.4采用语义地标信息的高效多机器人探索 64

5.5实验结果 65

5.5.1使用语义地点信息改进性能 65

5.5.2语义地点信息中的噪声影响 68

5.5.3在新环境中应用训练好的分类器 68

5.5.4改进的HMM滤波及分类器的误差分析 70

5.6相关工作 71

5.7小结 72

第二部分 机器人位姿未知的建图和探索 75

第6章 高效的Rao - Blackwellized建图技术 75

6.1概述 75

6.2 Rao-Blackwellized建图概念 76

6.3改进提议分布和选择性重采样 78

6.3.1使用激光扫描数据计算改进的提议分布 78

6.3.2选择性采样 81

6.4复杂性 82

6.5实验结果 83

6.5.1建图结果 84

6.5.2量化结果 85

6.5.3改进提议分布和自适应重采样的有效性 87

6.5.4扫描匹配失败的情况 89

6.5.5计算代价 91

6.6相关工作 91

6.7小结 93

第7章 主动闭环探索 94

7.1概述 94

7.2主动闭环 95

7.2.1闭环检测的时机 96

7.2.2位姿不确定下的行为表示 98

7.2.3闭环过程的终止 98

7.2.4探索时间的缩短 100

7.2.5多重嵌套环的处理 102

7.3实验结果 102

7.3.1真实世界探索 102

7.3.2主动闭环vs.基于边界的探索 103

7.3.3定量分析 104

7.3.4终止条件的重要性 105

7.3.5 Neff的演变 106

7.3.6多重嵌套环 107

7.3.7计算资源 108

7.4相关工作 108

7.5小结 109

第8章 粒子多样性修复 110

8.1概述 110

8.2闭环后粒子多样性修复 111

8.3实验结果 113

8.4相关工作 115

8.5小结 116

第9章 基于信息增益的探索 117

9.1概述 117

9.2 Rao-Blackwellized建图方法的不确定性 118

9.3预期信息增益 121

9.4行为集的计算 124

9.5实验结果 125

9.5.1真实世界的应用 125

9.5.2决策过程 125

9.5.3与之前方法的比较 128

9.5.4走廊探索 129

9.6相关工作 130

9.7小结 131

第10章 非静态环境下的建图和定位 133

10.1概述 133

10.2低动态环境下的地图学习 134

10.2.1地图分割 134

10.2.2学习环境的形态／配置 135

10.2.3地图聚类 136

10.3基于地图块（patch-map）的蒙特卡罗定位 137

10.4实验结果 139

10.4.1在办公室环境中的应用 140

10.4.2机器人定位和环境状态估计 140

10.4.3全局定位 142

10.5相关工作 143

10.6小结 145

第11章 结论 146

附录 150

A.1概率论 150

A.1.1乘积法则 150

A.1.2独立性 150

A.1.3贝叶斯规则（Bayes’Rule） 150

A.1.4边缘化 150

A.1.5全概率法则 151

A.1.6马尔可夫假设 151

符号表 152

参考文献 153

查看更多关于机器人地图创建与环境探索的内容