立足人工智能算法，實現機器人自主控制

●第1章 緒論1
1.1 移動機器人簡介1
1.1.1 移動機器人的定義1
1.1.2 移動機器人的組成2
1.1.3 移動機器人的特點4
1.2 移動機器人的關鍵技術5
1.2.1 環境感知5
1.2.2 導航與路徑規劃6
1.2.3 機器人視覺7
1.2.4 同步定位與地圖構建7
1.2.5 多機器人協作8
1.3 移動機器人的研究進展8
1.3.1 移動機器人的發展歷史8
1.3.2 移動機器人的研究展望10
1.4 本書的主要內容和結構安排12
1.5 本章小結13
參考文獻13
第2章 移動機器人導航16
2.1 移動機器人導航概述16
2.1.1 移動機器人導航的發展歷史16
2.1.2 移動機器人的常用導航方式17
2.1.3 傳統導航方法簡介18
2.2 基於改進強化學習的移動機器人導航20
2.2.1 強化學習概述20
2.2.2 基於生物刺激神經網絡改進Q學習算法的移動機器人導航23
2.2.3 實驗及結果分析27
2.3 模糊控制與虛擬力場法相結合的移動機器人導航30
2.3.1 虛擬力場法簡介30
2.3.2 基於模糊控制改進虛擬力場法的移動機器人導航33
2.3.3 實驗及結果分析37
2.4 本章小結41
參考文獻42
第3章 移動機器人路徑規劃44
3.1 移動機器人路徑規劃概述44
3.2 傳統路徑規劃方法簡介45
3.2.1 構形空間法45
3.2.2 可視圖法45
3.2.3 柵格法46
3.2.4 拓撲法47
3.2.5 概率路徑圖法48
3.3 基於人工蜂群算法的移動機器人路徑規劃49
3.3.1 人工蜂群算法簡介49
3.3.2 基於改進人工蜂群算法的路徑規劃方法50
3.3.3 實驗及結果分析54
3.4 基於蛙跳算法的移動機器人路徑規劃57
3.4.1 蛙跳算法簡介57
3.4.2 基於改進蛙跳算法的路徑規劃58
3.4.3 實驗及結果分析60
3.5 基於文化基因算法的路徑規劃63
3.5.1 文化基因算法簡介63
3.5.2 基於改進文化基因算法的路徑規劃64
3.5.3 實驗及結果分析68
3.6 本章小結72
參考文獻72
第4章 移動機器人視覺74
4.1 移動機器人視覺技術概述74
4.1.1 機器人視覺技術簡介74
4.1.2 移動機器人視覺技術的發展概況75
4.2 基於改進ViBe的運動目標檢測76
4.2.1 改進ViBe算法的原理77
4.2.2 實驗結果與分析80
4.2.3 基於I-ViBe的運動目標檢測的背景更新機制和實時性84
4.3 基於KCF的運動目標跟蹤85
4.3.1 基於改進KCF的運動目標跟蹤86
4.3.2 實驗結果與分析91
4.3.3 SLKCF跟蹤算法在復雜環境中的性能95
4.4 本章小結96
參考文獻97
第5章 移動機器人環境感知100
5.1 移動機器人環境感知概述100
5.1.1 環境感知的主要任務100
5.1.2 移動機器人常用環境感知傳感器101
5.2 基於改進ORB的場景特征提取與匹配104
5.2.1 圖像特征提取與匹配算法簡介104
5.2.2 改進ORB特征提取與匹配算法108
5.2.3 實驗結果與分析109
5.3 半稠密地圖的構建113
5.3.1 像素篩選策略114
5.3.2 逆深度估計115
5.3.3 基於圖像金字塔的逆深度傳遞117
5.3.4 實驗與結果分析119
5.4 基於深度神經網絡的移動機器人道路場景分類120
5.4.1 改進的場景分類深度神經網絡121
5.4.2 實驗與結果分析125
5.4.3 關於局部特征提取和全局特征提取的討論129
5.5 本章小結131
參考文獻131
第6章 移動機器人同步定位與建圖134
6.1 移動機器人同步定位與建圖概述134
6.1.1 移動機器人定位概述134
6.1.2 移動機器人地圖建模概述139
6.1.3 移動機器人SLAM概述141
6.2 基於改進擴展卡爾曼濾波的移動機器人SLAM算法144
6.2.1 算法描述144
6.2.2 仿真實驗和結果分析147
6.3 基於改進生物啟發方法的移動機器人SLAM算法151
6.3.1 算法描述151
6.3.2 室內移動機器人SLAM實驗157
6.4 基於深度學習的移動機器人語義SLAM算法163
6.4.1 移動機器人語義SLAM算法概述163
6.4.2 基於卷積神經網絡的移動機器人語義SLAM算法168
6.4.3 實驗及結果分析172
6.5 本章小結175
參考文獻175

第7章 多機器人協作179
7.1 多機器人協作概述179
7.1.1 多機器人協作的研究進展179
7.1.2 多機器人協作的主要研究內容183
7.2 基於自組織神經網絡的任務分配算法184
7.2.1 任務分配問題描述185
7.2.2 任務分配算法185
7.2.3 實驗及結果分析187
7.3 基於動態生物刺激神經網絡的多機器人繫統編隊190
7.3.1 編隊問題的描述191
7.3.2 基於動態生物刺激神經網絡的多機器人繫統導航193
7.3.3 編隊仿真實驗及結果分析195
7.4 基於準確勢博弈的多無人機協同覆蓋搜索199
7.4.1 多無人機協同覆蓋搜索概述199
7.4.2 勢博弈方法概述200
7.4.3 基於準確勢博弈的多無人機協同覆蓋方法202
7.4.4 實驗及結果分析207
7.5 本章小結213
參考文獻213
第8章 移動機器人自主控制進展218
8.1 移動機器人自主控制的研究進展218
8.1.1 基於生物啟發式算法的移動機器人自主控制218
8.1.2 基於深度神經網絡的移動機器人自主控制225
8.2 基於改進脊椎神經繫統的異構多AUV協同圍捕算法232
8.2.1 異構多AUV協同圍捕問題描述232
8.2.2 異構多AUV協同圍捕算法234
8.2.3 實驗和結果分析238
8.3 基於改進肉芽腫形成算法的移動機器人故障自恢復算法245
8.3.1 移動機器人故障自恢復問題描述245
8.3.2 機器人故障自恢復方法248
8.3.3 實驗及結果分析256
8.4 本章小結264
參考文獻264

移動機器人自主控制不僅是機器人領域的重要問題，也是人工智能研究中的熱點課題之一。本書首先繫統介紹移動機器人的結構和特點，以及移動機器人自主控制的關鍵技術等內容；然後詳細研究人工智能理論與方法在移動機器人導航、路徑規劃、機器人視覺、環境感知、同步定位與建圖、多機器人協作等方面的具體解決思路，並給出實驗結果和分析；最後介紹移動機器人自主控制的進展。本書可作為普通高校機器人、自動化、人工智能等相關專業高年級本科生和研究生的教材，也可以作為相關領域研究人員的參考用書。

倪建軍 著