第1章 绪论 1
1.1 移动机器人同步定位与地图构建研究 1
1.2 多移动机器人协同定位研究 1
1.2.1 多机器人系统研究 1
1.2.2 多移动机器人协同体系结构 2
1.2.3 多移动机器人协同定位研究现状 4
1.3 多移动机器人目标跟踪研究 5
1.4 多移动机器人路径规划研究 6
1.5 本章小结 7
第2章 基于卡尔曼滤波及其衍生的同步定位与地图构建算法 8
2.1 卡尔曼滤波及SLAM问题概述 8
2.1.1 卡尔曼滤波的概述 8
2.1.2 SLAM问题的概率描述 8
2.2 基于扩展卡尔曼滤波的SLAM研究 9
2.2.1 EKF-SLAM算法 9
2.2.2 EKF-SLAM算法过程 9
2.2.3 仿真实验及分析 10
2.3 基于无迹卡尔曼滤波的SLAM研究 13
2.3.1 UKF-SLAM算法 13
2.3.2 UT变换 14
2.3.3 UKF-SLAM算法过程 15
2.3.4 仿真实验及分析 16
2.4 基于UKF-SLAM改进算法的研究 19
2.4.1 SR-UKF-SLAM算法 19
2.4.2 SPSR-UKF-SLAM算法 20
2.4.3 仿真实验及分析 21
2.5 基于容积卡尔曼滤波及改进算法的研究 24
2.5.1 CKF算法概述 24
2.5.2 容积变换 25
2.5.3 CKF算法步骤 27
2.5.4 SR-CKF-SLAM算法 28
2.5.5 ISR-CKF-SLAM算法 29
2.5.6 仿真实验及分析 31
2.6 本章小结 34
第3章 基于SR-CKF的多移动机器人协同定位及目标跟踪算法 36
3.1 基于SR-CKF的多机器人协同定位算法 36
3.1.1 卡尔曼滤波器 36
3.1.2 平方根容积卡尔曼滤波算法在移动机器人定位中的应用 36
3.1.3 基于SR-CKF的相对方位多机器人协同定位算法 39
3.1.4 仿真实验及分析 42
3.2 移动机器人动态目标跟踪算法 46
3.2.1 移动机器人同时定位与动态目标跟踪 46
3.2.2 基于SR-CKF的移动机器人动态目标跟踪算法 47
3.2.3 仿真实验及分析 51
3.3 多移动机器人协同定位与目标跟踪研究 55
3.3.1 多移动机器人编队控制 55
3.3.2 数据融合问题 57
3.3.3 基于协方差交集的多机器人协同目标跟踪算法 61
3.3.4 仿真实验及分析 64
3.4 本章小结 67
第4章 基于自适应SR-CKF的序贯式WSNs目标跟踪算法 69
4.1 系统模型及问题 69
4.1.1 目标运动模型 70
4.1.2 传感器节点观测模型 70
4.2 自适应SR-CKF序贯式WSNs目标跟踪算法 70
4.3 仿真实验及分析 72
4.3.1 仿真环境及参数 72
4.3.2 仿真结果及性能分析 72
4.3.3 跟踪误差分析 73
4.3.4 运行时间及能耗分析 75
4.4 本章小结 76
第5章 基于改进CKF的WSNs与移动机器人协作定位算法 77
5.1 系统模型及问题描述 77
5.1.1 移动机器人-WSNs定位问题描述 77
5.1.2 移动机器人-WSNs系统模型 77
5.2 基于移动机器人辅助的改进CKF的节点定位算法 78
5.2.1 卡尔曼滤波在节点定位中的应用 78
5.2.2 基于改进CKF的辅助节点定位算法 79
5.2.3 基于GM-CKF的辅助节点定位算法 80
5.2.4 仿真实验及分析 82
5.3 WSNs环境下基于改进CKF算法的移动机器人定位算法 84
5.3.1 WSNs环境下移动机器人定位研究 84
5.3.2 CKF算法改进思想 86
5.3.3 WSNs环境下移动机器人定位算法实现流程 88
5.3.4 仿真实验及分析 89
5.4 基于改进CKF算法的WSNs与移动机器人协作定位 93
5.4.1 协作定位问题描述与建模 93
5.4.2 改进CKF算法的WSNs与移动机器人协作定位 95
5.4.3 仿真实验及分析 96
5.5 本章小结 99
第6章 基于粒子滤波（PF）的同步定位与地图构建算法 100
6.1 基于快速同步定位与地图构建的移动机器人算法 100
6.1.1 FastSLAM算法的提出 100
6.1.2 FastSLAM算法分析 100
6.1.3 优化的FastSLAM算法基本原理 102
6.1.4 仿真实验及分析 104
6.2 基于改进Rao-Blackwellized粒子滤波（RBPF）的SLAM算法 107
6.2.1 环境建模 107
6.2.2 RBPF-SLAM算法描述 108
6.2.3 改进RBPF-SLAM算法 109
6.2.4 仿真实验及分析 111
6.3 本章小结 115
第7章 已知环境下全局路径规划算法 116
7.1 基于优化D＊Lite算法的移动机器人路径规划算法 116
7.1.1 算法优化策略 116
7.1.2 优化的D＊Lite搜索过程 120
7.1.3 优化的D＊Lite算法仿真 122
7.2 基于改进蚁群算法的移动机器人路径规划算法 125
7.2.1 环境模型的建立 125
7.2.2 传统蚁群算法 128
7.2.3 改进的蚁群路径规划算法 131
7.2.4 改进算法流程 133
7.2.5 仿真实验及分析 134
7.3 基于改进人工势场法的移动机器人路径规划算法 137
7.3.1 传统人工势场法 137
7.3.2 修改引力场函数 138
7.3.3 修改斥力场函数 139
7.3.4 局部极小值分析 140
7.3.5 仿真实验及分析 140
7.4 本章小结 142
第8章 未知环境下基于滚动窗口与多层Morphin的局部路径规划算法 143
8.1 问题描述 143
8.2 滚动窗口规划基本原理 143
8.2.1 滚动规划的方法 143
8.2.2 滚动窗口的构造 144
8.3 局部子目标点的选取 144
8.4 障碍物预测模型及避碰策略 145
8.4.1 障碍物预测模型 145
8.4.2 避碰预测及策略 147
8.4.3 算法流程 147
8.4.4 仿真实验及分析 148
8.5 未知环境下基于多层Morphin的局部路径规划算法 150
8.5.1 移动机器人运动学模型 150
8.5.2 Morphin算法原理 151
8.5.3 多层Morphin搜索树 151
8.5.4 路径评估函数 152
8.6 本章小结 154
第9章 移动机器人混合路径算法及编队控制 155
9.1 基于改进量子粒子群和Morphin算法的混合路径规划算法 155
9.1.1 基于改进QPSO的全局路径规划 155
9.1.2 基于Morphin算法的局部路径规划 158
9.1.3 仿真实验及分析 159
9.2 基于人工势场的多移动机器人系统编队控制 162
9.2.1 多移动机器人编队控制算法 162
9.2.2 基于群集理论的多移动机器人系统运动控制模型 165
9.2.3 多移动机器人编队控制中的势场函数 165
9.2.4 基于人工势场的多移动机器人编队形成 166
9.2.5 仿真实验及分析 167
9.3 基于虚拟领航和人工势场的编队控制 170
9.3.1 基于虚拟领航者的机器人运动方程 170
9.3.2 基于虚拟领航的群集算法实现 171
9.3.3 算法稳定性分析 174
9.3.4 仿真实验及分析 175
9.4 本章小结 178
第10章 基于鼠类脑细胞导航机理的移动机器人仿生SLAM算法 180
10.1 源于自然的机器人导航 180
10.1.1 鼠类相关导航脑细胞 181
10.1.2 国内外研究现状及分析 184
10.1.3 鼠类脑细胞导航机理下的仿生SLAM 188
10.2 基于位姿细胞和局部场景细胞的SLAM算法研究（VP-SLAM） 189
10.2.1 模型概述 189
10.2.2 实验场景介绍 190
10.3 基于实时关键帧匹配的闭环检测模型研究（GVP-SLAM） 191
10.3.1 模型概述 191
10.3.2 仿真实验及分析 193
10.4 融合速度细胞和边界细胞的鼠类导航模型研究（BVGSP-SLAM） 196
10.4.1 模型概述 196
10.4.2 仿真实验及分析 198
10.5 融合DGSOM神经网络的BVGSP-SLAM模型 199
10.5.1 模型概述 199
10.5.2 仿真实验及分析 201
10.6 本章小结 207
参考文献 208