移动机器人SLAM、目标跟踪及路径规划

从简单重复的劳动中解放出来一直是人类的梦想，也是人类创造发明机器人的主要目的之一。机器人具有可移动性，可以进一步扩大其使用范围并能更好地提高其使用效率，但移动机器人在复杂环境中如何模仿人类进行自我导航和路径规划一直是难以解决的问题。陈孟元著的《移动机器人SLAM目标跟踪及路径规划》系统地介绍了移动机器人及多移动机器人同步定位与地图构建(SLAM)、目标跟踪及路径规划三方面相对独立又彼此相关的内容，尤其又扩展到移动机器人与无线传感网络、基于无线传感网络的目标跟踪以及基于鼠类混合导航细胞的移动机器人衍生SLAM算法等前沿问题。本书可作为理工科的硕士、博士研究生的参考书，同时也可供相关领域的科研工作者参考。

陈孟元，安徽工程大学副教授，学术骨干；中国科学技术大学博士。近年来，其主要从事移动机器人SLAM、目标跟踪及路径规划的研究与教学，主持各类横纵项目10余项，以第1作者发表学术论文30余篇（其中SCI/EI收录10余篇），以第1发明人获得国家专利6项，获得安徽省教学成果奖一、二等奖各1项，出版规划教材2部。

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