复杂未知环境中移动机器人SLAM技术及应用查看源代码讨论查看历史

《复杂未知环境中移动机器人SLAM技术及应用》，出版社： 浙江大学出版社，ISBN：9787308231824。

书籍是知识的源泉，只有书籍才能解救人类，只有知识才能使我们变成精神上坚强的、真正的、有理性的人。唯有这种人能真诚地热爱人，尊重人的劳动，衷心地赞赏人类永不停息的伟大劳动所创造的最美好的成果。

内容简介

SLAM本质上可看作一个多维非线性随机状态估计问题，以概率论为基础的贝叶斯滤波估计技术已成为求解此类问题的非常理想的工具。然而，由于移动机器人的实际作业环境中存在各种不确定因素，其测量系统噪声往往具有非高斯重尾分布或者参数先验信息未知等特性。在这些复杂未知环境下，传统的基于贝叶斯滤波估计技术的SLAM算法的性能受到了严重影响，其定位精度、地图准确性和计算效率无法满足实际应用的需求。 　　 《复杂未知环境中移动机器人SLAM技术及应用》结合笔者多年来的相关研究成果，对基于高斯滤波器、粒子滤波器和概率假设密度滤波器的SLAM算法进行了针对性的改进研究，以提高移动机器人在实际应用中的适应能力。 　　 《复杂未知环境中移动机器人SLAM技术及应用》共分为6章。第1章主要介绍国内外移动机器人SLAM技术的发展及应用概况，并对基于贝叶斯估计理论的SLAM算法的研究现状进行分类综述。第2章系统地介绍基于概率模型的机器人同时定位与地图创建算法的原理框架，为后续改进算法的研究工作提供了理论基础。第3章主要将线性回归鲁棒估计思想与贝叶斯滤波技术进行有机结合，并对非线性滤波技术进行分类、对典型算法进行介绍，最后对测量系统的噪声为非高斯重尾分布时的SLAM问题进行研究。第4章系统地介绍基于蒙特卡罗采样的粒子滤波方法，并分析影响其估计性能的关键因素与改进对策，最后对FastSLAM算法中采样粒子质量差和计算效率低的问题进行研究。第5章主要将基于随机有限集建模的SLAM与变分贝叶斯估计理论进行有机结合，并对环境中同时存在杂波干扰和未知测量噪声方差的SLAM问题展开研究。第6章对《复杂未知环境中移动机器人SLAM技术及应用》的主要研究成果和创新点进行了总结，并对下一步的研究方向和任务作出展望。