导航机器人传感器融合、异常诊断及任务规划方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

导航机器人传感器融合、异常诊断及任务规划方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 多传感器系统信息融合研究现状2

1.2 移动机器人传感器系统异常诊断研究现状5

1.3 多机器人任务规划的研究现状与发展趋势6

1.3.1 多机器人任务分配7

1.3.2 多机器人路由规划9

1.4 本书章节安排10

本章参考文献13

第2章 基于毫米波雷达的动态障碍信息获取技术21

2.1 毫米波雷达特性22

2.1.1 毫米波雷达的工作频率23

2.1.2 毫米波雷达的调制方式24

2.1.3 动态障碍信息的获取原理26

2.1.4 ESR测向方案29

2.2 基于动态目标的自主车辅助防撞系统设计30

2.2.1 安全距离模型设计31

2.2.2 降低虚警率的防撞系统设计39

2.3 自主车辅助防撞系统的硬件设计42

2.3.1 辅助防撞系统框架42

2.3.2 车载雷达选型及其安装43

2.4 自主车辅助防撞系统的软件设计与实现46

2.4.1 安全模型参数的选择46

2.4.2 总体框架设计48

2.4.3 子模块的实现49

2.4.4 弯道处理57

2.4.5 软件的调试与结果分析57

本章参考文献60

第3章 激光雷达与毫米波雷达的路况信息补偿方法64

3.1 激光雷达特性及其工作原理65

3.2 雷达信息提取67

3.2.1 静态环境信息提取方法68

3.2.2 动态障碍物信息提取72

3.3 毫米波雷达与激光雷达融合与补偿的技术78

3.3.1 激光雷达与毫米波雷达数据融合方案78

3.3.2 激光雷达动态信息数据补偿方案82

3.4 激光雷达与毫米波雷达路况信息补偿系统实现83

3.4.1 总体框架设计83

3.4.2 各子模块的实现84

3.4.3 软件的调试与结果分析98

本章参考文献100

第4章 基于激光雷达与摄像机的异质传感器信息融合与补偿101

4.1 光学视觉系统103

4.2 数据采集及预处理103

4.2.1 激光雷达数据采集及预处理104

4.2.2 摄像机数据采集104

4.3 激光雷达与摄像机补偿系统平台搭建105

4.4 激光雷达和摄像机的数据融合与补偿方法107

4.4.1 深度图像的坐标变换107

4.4.2 摄像机标定112

4.4.3 激光雷达和摄像机的数据层融合与补偿114

4.5 基于CamLaser系列工具的摄像机内部参数标定120

4.6 数据融合参数估计与优化123

4.6.1 实验数据特征点的提取123

4.6.2 融合参数的估计与优化126

4.6.3 误差分析129

4.7 实时数据处理及显示130

4.7.1 激光雷达数据采集及显示131

4.7.2 摄像机数据采集及显示133

4.7.3 数据同步采集及实时数据融合134

4.7.4 实时性分析136

4.8 离线仿真及数据存储137

4.8.1 数据存储137

4.8.2 离线仿真139

本章参考文献141

第5章 机器人航迹推算系统的异常诊断与主动容错估计方法143

5.1 机器人航迹推算系统异常诊断问题144

5.2 基于模糊逻辑粒子滤波器的航迹推算系统硬软故障诊断方法145

5.2.1 硬故障和软故障146

5.2.2 自适应故障空间146

5.2.3 模糊诊断设计147

5.2.4 模糊诊断粒子滤波器算法描述150

5.3 机器人航迹推算系统硬软故障诊断仿真分析153

5.3.1 实验结果分析154

5.3.2 仿真验证设计160

5.4 自学习采样粒子滤波器的不完备空间交互诊断163

5.4.1 自学习采样164

5.4.2 自学习采样与诊断机制动态交互优化粒子数166

5.4.3 基于边缘分布与信度的故障决策条件及其数学依据168

5.4.4 自学习采样粒子滤波器的不完备空间动态交互故障诊断步骤171

5.5 自学习采样粒子滤波器算法分析与讨论173

5.5.1 非线性故障诊断模型仿真分析173

5.5.2 航迹推算混合系统模型故障诊断实验分析176

5.6 基于联邦滤波的多传感器主动容错估计方法180

5.6.1 联邦滤波器结构181

5.6.2 联邦滤波算法182

5.6.3 基于联邦滤波器的故障检测及其容错方法184

5.6.4 仿真实验分析186

5.6.5 基于联邦滤波的组合导航系统实验分析191

本章参考文献195

第6章 机器人航迹推算系统的故障预测方法201

6.1 粒子滤波器故障预测的基本原理201

6.2 基于粒子滤波器的机器人航迹推算系统的故障预测方法207

6.2.1 领域约束208

6.2.2 故障模式间转移概率参数的设置209

6.2.3 仿真实验与结果分析211

6.3 基于粒子滤波器与支持向量机融合框架的故障预测216

6.3.1 支持向量机的基本原理217

6.3.2 基于SVM的加权故障概率预测方法219

6.3.3 利用残差改进粒子滤波器的故障预测方法222

6.3.4 基于PF与SVM融合框架的故障预测方法224

6.4 几种粒子滤波器故障预测方法的实验分析226

6.4.1 粒子滤波器故障预测仿真软件226

6.4.2 几种预测方法的分析与讨论227

本章参考文献233

第7章 基于群智能算法的多移动机器人任务规划方法234

7.1 蚁群算法求解多机器人任务探测235

7.1.1 多机器人探测任务规划问题描述235

7.1.2 蚁群算法在多机器人任务探测中的应用236

7.1.3 均分点蚁群算法求解多机器人负载均衡任务探测248

7.1.4 多机器人团队生成的复杂任务探测算法256

7.2 基于当代学习自适应离散粒子群算法的多机器人任务分配263

7.2.1 多机器人任务分配问题的提出263

7.2.2 混合离散粒子群变异优化策略选取264

7.2.3 当代学习自适应混合离散粒子群算法273

7.2.4 最小失败概率多机器人任务分配实验分析279

7.3 基于空间正交分配异质文化混合算法的多机器人随机增量任务规划286

7.3.1 基于异质交互式文化混合算法的移动机器人路由规划286

7.3.2 空间正交分配异质文化混合算法在多机器人任务规划中的应用296

7.3.3 多机器人随机增量任务规划仿真分析307

本章参考文献313

第8章 总结与展望317

8.1 异质传感器信息融合与补偿方法总结与展望317

8.2 机器人传感器系统异常诊断与预测总结分析319

8.3 多机器人任务规划方法的总结与展望321