源于自然的機器人導航基于嚙齒類動物模型的同步定位地圖構建和路徑規(guī)劃
定 價:58 元
- 作者:高曉穎
- 出版時間:2016/1/15
- ISBN:9787118107180
- 出 版 社:國防工業(yè)出版社
- 中圖法分類:TB
- 頁碼:163
- 紙張:膠版紙
- 版次:1
- 開本:小16開
邁克爾·約翰·米爾福德所著的《源于自然的機器人導航--基于嚙齒類動物模型的同步定位地圖構建和路徑規(guī)劃/先進機器人科技譯叢》在分析機器人技術發(fā)展現狀的基礎上,提出地圖構建與導航問題,明確了其內涵以及重要意義,進而分析解決地圖構建與導航問題的方案——一種基于嚙齒類動物海馬神經擴展模型的同步定位與地圖構建方法,設計了基于視覺的同步定位于地圖構建系統(tǒng),應用在具有目標回放和環(huán)境適應能力的機器人系統(tǒng)實現中,并在室內、室外復雜的實際環(huán)境中進行了實驗研究,并結合實驗結果以及機器人技術發(fā)展給出了后續(xù)研究建議。
本書可作為機器人技術相關專業(yè)學生、研究人員學習與研究資料,也可供導航、制導與控制專業(yè)學生與研究人員參考。
第1章 概述
1.1 移動機器人
1.2 同步定位和地圖構建
1.3 環(huán)境探索、目標導航和適應變化
1.4 生物模型的應用
1.5 章節(jié)介紹
第2章 地圖構建和導航
2.1 地圖構建和導航問題
2.1.1 定位和地圖構建
2.1.2 SLAM:“雞和蛋”問題
2.1.3 不確定性的處理
2.1.4 探索未知環(huán)境
2.1.5 目標導航
2.1.6 學習并應對環(huán)境變化
第3章 機器人地圖構建方法
3.1 基于概率的地圖構建算法
3.1.1 卡爾曼濾波算法
3.1.2 極大期望算法
3.1.3 粒子濾波算法
3.2 拓撲地圖構建算法
3.3 環(huán)境探索、導航和適應環(huán)境變化
3.3.1 環(huán)境探索
3.3.2 目標導航
3.3.3 適應動態(tài)環(huán)境
3.4 討論
第4章 生物導航系統(tǒng)
4.1 嚙齒類動物與認知地圖
4.1.1 頭方向信息和具體位置細胞
4.1.2 環(huán)境探索,導航和適應變化
4.2 其他動物和昆蟲
4.2.1 蜜蜂
4.2.2 螞蟻
4.2.3 靈長類動物
4.2.4 人類
4.3 討論
第5章 海馬腦區(qū)模型生物仿真
5.1 頭方向和具體位置細胞——人工技術狀態(tài)
5.1.1 吸引子網絡
5.1.2 路徑綜合
5.1.3 利用外部輔助信息校正頭方向
5.1.4 位置細胞——人工技術狀態(tài)
5.1.5 利用外界輔助線索的具體位置細胞
5.1.6 利用自我定位信息的位置細胞
5.1.7 導航
5.2 討論
第6章 機器人與生物激勵比較
6.1 魯棒性與精確度
6.2 地圖友好性與使用性
6.3 傳感器差異
6.4 在真實世界環(huán)境中的能力
6.5 問題的解
第7章 海馬模型的探索性研究
7.1 機器人和環(huán)境
7.2 完整模式結構
7.3 空間方向模型
7.3.1 方向表征
7.3.2 認知非自我中心的標志序列
7.3.3 使用非自我中心的標志序列重定向
7.3.4 內部動力學
7.3.5 使用自中心信息進行路徑集成
7.4 模型性能
7.4.1 實驗1:路徑集成標定
7.4.2 實驗2:定向和一維地圖構建
7.5 空間位置模型
7.5.1 表示位置
7.5.2 學習非自中心導引標志物
7.5.3 利用非中心引導標志重定位
7.5.4 內部動力學
7.5.5 使用自中心信息進行路徑集成
7.6 模型性能
7.6.1 實驗3:定位和二維地圖構建
7.7 討論和總結
7.7.1 與生物系統(tǒng)的比較
7.7.2 與其他模型的比較
7.7.3 結論
第8章 RatSLAM擴展海馬模型
8.1 空間位姿模型
8.1.1 完整模型的結構
8.1.2 位姿感知細胞的生物證據
8.1.3 位姿表征
8.1.4 內部動態(tài)過程
8.1.5 視覺場景的學習
8.1.6 使用熟悉的視覺場景進行重定位
8.1.7 直觀的路徑積分
8.2 局部場景的形成
8.2.1 絕對差總和的模型
8.2.2 圖像直方圖
8.3 海馬模型中的可視化SLAM
8.4 室內和室外環(huán)境中的SLAM
8.4.1 實驗4:有人造路標的SLAM
8.4.2 實驗5:環(huán)形環(huán)境中的SLAM
8.4.3 實驗6:在辦公大樓中的SLAM
8.4.4 實驗7:室外環(huán)境中的SLAM
8.4.5 只有路徑積分時的表現
8.4.6 SLAM結果
8.5 總結和討論
8.5.1 RatSLAM的必要條件
8.5.2 RatSLAM表征的本質
第9章 目標記憶的探索性研究
9.1 用RatSLAM喚起目標記憶
9.2 學習
9.3 回憶
9.3.1 實驗8:小環(huán)境的目標回憶
9.3.2 目標回憶結果
9.3.3 實驗9:大環(huán)境中的目標回憶
9.3.4 目標回憶結果
9.4 總結和討論
9.4.1 創(chuàng)建適合于目標回憶的地圖
第10章 擴展RatSLAM:經歷地圖構建算法
10.1 由經歷構成的地圖
10.2 關聯經歷:空間、時間、行為
10.3 地圖校正
10.4 地圖的適應性和長期保持
10.5 室內經歷制圖結果
1O.5.1 實驗10:大的位姿感知細胞表征
10.5.2 實驗11:小的位姿感知細胞表征
10.6 實驗12:室外的經歷制圖
10.7 總結和討論
第11章 環(huán)境探索,目標記憶和適應改變
11.1 有效的環(huán)境探索
11.1.1 實驗評估
11.1.2 討論
11.2 用時間地圖回憶路線
11.2.1 構建時間地圖
11.2.2 路徑規(guī)劃
11.2.3 行為仲裁
11.2.4 路線丟失恢復
11.3 SLAM和在靜態(tài)環(huán)境中的導航
11.3.1 實驗13:小位姿沖突下的目標回憶
11.3.2 實驗14:大位姿沖突下的目標回憶
11.3.3 討論
11.4 適應環(huán)境的變化
11.4.1 實驗15:室內地圖的適應性
11.4.2 實驗結果
11.5 討論
11.5.1 結論
第12章 討論
12.1 本書總結
12.1.1 地圖構建與導航
12.1.2 海馬神經模型的探索性研究
12.1.3 RatSLAM:一種擴展海馬模型
12.1.4 目標記憶:探索性研究
12.1.5 擴展RatSLAM:經歷地圖構建
12.1.6 環(huán)境探索,目標回憶和適應變化
12.2 貢獻
12.2.1 機器人和生物系統(tǒng)的比較綜述
12.2.2 海馬模型的性能評估
12.2.3 擴展海馬模型的實現
12.2.4 經歷地圖構建算法
12.2.5 一種地圖構建與導航的綜合方法
12.3 地圖構建與導航研究的前景
12.4 網格細胞
12.5 總結
附錄A 移動行為
參考文獻
復制圖列表
索引