导航机器人传感器融合、异常诊断及任务规划方法PDF电子书下载

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