机器人自主智能导航

本书共分为十章，第一章对智能导航进行解释，第二章解释机器人自主导航框架，第三章介绍人工智能技术在环境感知任务中的应用，第四章介绍基于深度神经网络的状态估计方法，第五、六章论述机器人即时定位与建图以及语义SLAM，第七章借好机器人导航中的规划与决策，第八章介绍基于深度强化学习的机器人导航，第九章介绍多足机器人导航，第十章对全书进行总结。中间的八章，每一章后面附有深度学习在该问题上的应用案例。

序一
序二
前言
第1章机器人自主智能导航概述1
1.1技术的发展和趋势2
1.2迈向智能导航9
1.3本书内容简介13
参考文献14
第2章机器人自主导航框架17
2.1机器人操作系统简介17
2.1.1概述17
2.1.2ROS的基础概念与设计思想18
2.2自主导航框架24
2.2.1建图与地图发布模块26
2.2.2状态估计模块29
2.2.3全局路线规划模块31
2.2.4局部规划模块31
2.2.5抽象控制模块32
2.3用于机器人导航的硬件34
2.3.1主动传感器34
2.3.2被动传感器39
2.3.3电机41
2.3.4常见的机器人底盘及运动模型42
2.3.5融合北斗和AI的实验教学系统51
2.4工程实践：差速轮机器人的远程操控52
2.4.1环境配置与安装53
2.4.2代码解析54
2.4.3实验55
2.5工程实践：ROS：：Movebase58
2.5.1环境配置与安装58
2.5.2实验框图61
2.5.3仿真实验63
参考文献65
第3章机器人环境语义感知67
3.1目标检测67
3.1.1概述67
3.1.2常用数据集及评估指标69
3.1.3二阶段目标检测模型71
3.1.4一阶段目标检测模型74
3.2图像分割79
3.2.1概述79
3.2.2常用数据集及评估指标81
3.2.3语义分割83
3.2.4实例分割90
3.2.5全景分割93
3.2.6融合深度信息的分割95
3.3目标跟踪98
3.3.1概述98
3.3.2常用数据集与评估指标101
3.3.3单目标跟踪104
3.3.4多目标跟踪111
3.4视觉注意力113
3.4.1概述113
3.4.2基于Transformer的目标检测120
3.4.3基于Transformer的图像分割123
3.4.4基于Transformer的目标跟踪125
3.5基于深度学习的3D点云语义感知127
3.5.1概述127
3.5.2常用数据集与评估指标130
3.5.33D点云目标检测130
3.5.43D点云分割134
3.5.53D点云目标跟踪137
3.6图像和点云的融合语义感知138
3.6.1概述138
……