智能机器人SLAM与路径规划技术

随着人工智能技术的发展，机器人进入了智能化阶段。如何使机器人像人类一样观察世界、感知世界，一直都是人工智能、计算机科学领域的热门话题。SLAM主要解决的是机器人领域中“我在哪”“我周围有什么”的问题，是机器人实现智能化的关键技术。本书对智能机器人SLAM与路径规划进行了详细的介绍，内容涵盖传感器、移动机器人平台、路径规划和跟踪、传感器融合方法、障碍回避和SLAM等。本书对目前主流的位姿SLAM、视觉SLAM和语义SLAM算法进行了介绍与比较，也对深度学习技术在智能机器人SLAM与路径规划中的作用进行了较为详细的介绍，以便为学习者提供更多的参考信息。本书可作为人工智能、计算机科学与技术、电气工程及其自动化、电子信息工程等专业的本科生、研究生的教材，也可作为相关专业的工程技术人员、机器人爱好者的参考书。

第1章 绪论 001 1.1 引言 001 1.2 研究现状 002 1.2.1 国外研究现状 002 1.2.2 国内研究现状 004 1.3 本书研究内容 006 第2章 SLAM前端算法 008 2.1 引言 008 2.2 特征提取 009 2.3 位姿估计 010 2.3.1 霍恩法 010 2.3.2 奇异值分解法 012 2.4 误差传播 012 2.4.1 匹配点误差传播 013 2.4.2 点云误差传播 014 2.4.3 误差传播试验 015 2.5 实验与分析 015 2.6 本章小结 017 第3章 SLAM后端算法 018 3.1 引言 018 3.2 位姿SLAM算法的预备知识 019 3.2.1 状态增强 019 3.2.2 状态更新 020 3.2.3 数据关联 021 3.2.4 状态稀疏性 024 3.3 六自由度位姿SLAM算法 024 3.3.1 欧拉角参数化 025 3.3.2 四元数参数化 026 3.4 遍历性地图的构建 028 3.5 位姿SLAM建图 029 3.5.1 视觉里程计 029 3.5.2 三维体积地图 030 3.5.3 三维遍历地图 031 3.6 本章小结 032 第4章 基于激光传感器的SLAM算法 033 4.1 引言 033 4.2 基于激光传感器的SLAM算法模型 034 4.2.1 SLAM问题的概率模型 034 4.2.2 EKF-SLAM算法 034 4.2.3 基于粒子滤波的SLAM算法 036 4.2.4 基于滤波的SLAM算法的局限性 039 4.3 改进滤波SLAM算法 039 4.3.1 建议分布函数的计算 039 4.3.2 算法流程 041 4.4 实验与分析 042 4.4.1 仿真环境中的算法对比 042 4.4.2 真实环境中的算法对比 043 4.5 本章小结 045 第5章 位姿SLAM在置信空间中的路径规划 046 5.1 引言 046 5.2 位姿SLAM路径规划算法的原理 048 5.2.1 提高位姿SLAM图的连通性 049 5.2.2 路径步长的不确定性 050 5.2.3 沿路径的最小不确定性 051 5.3 位姿SLAM路径规划算法的实现 052 5.4 实验与分析 054 5.4.1 合成数据集实验 054 5.4.2 室内数据集实验 055 5.4.3 大规模数据集 057 5.4.4 密集三维建图数据集 060 5.4.5 真实机器人导航 062 5.4.6 基于图优化的SLAM算法的路径规划 064 5.5 本章小结 067 第6章 RRT*路径规划算法 068 6.1 引言 068 6.2 RRT*路径规划算法的基本原理 068 6.3 RRT*路径规划算法的局限性 069 6.4 改进RRT*路径规划算法 070 6.4.1 标准离散时间MPC 070 6.4.2 动态环境中的随机最优化 071 6.5 实验与分析 072 6.5.1 仿真环境中的算法实验 072 6.5.2 真实环境中的算法实验 074 6.6 本章小结 078 第7章 主动式SLAM 079 7.1 引言 079 7.2 动作集 080 7.2.1 探索性动作 080 7.2.2 位置重访动作 081 7.3 动作的效用 082 7.4 重新规划 083 7.5 实验与分析 084 7.5.1 路径探测 084 7.5.2 路径重新规划 085 7.5.3 与基于边界的探索的比较 086 7.5.4 基于图优化的SLAM的探索 087 7.6 本章小结 089 第8章 多机器人编队SLAM 090 8.1 引言 090 8.2 多机器人系统 091 8.3 基于SLAM的机器人探测方法 091 8.3.1 位姿跟踪方法 091 8.3.2 二维与三维联合建图方法 096 8.4 多机器人定位与建图 100 8.5 本章小结 104 第9章 基于VSLAM的几何地图构建算法 106 9.1 引言 106 9.2 RGB-D三维建图算法 106 9.3 ORB算法 107 9.4 点云生成与点云配准 109 9.4.1 点云生成 109 9.4.2 点云配准 109 9.5 地图优化 110 9.6 实验与分析 111 9.6.1 机器人系统配置 111 9.6.2 几何地图构建 112 9.6.3 分析与评估 113 9.7 本章小结 114 第10章 基于视觉与定位系统融合的地图构建 115 10.1 引言 115 10.2 RGB-D信息获取的原理 116 10.3 基于RGB-D摄像头的VSLAM系统构建 117 10.3.1 VSLAM系统模块 117 10.3.2 机器人系统建模 118 10.3.3 Kinect摄像头的标定 122 10.4 基于图像数据与运动数据融合的三维建图 126 10.4.1 特征提取与特征匹配 126 10.4.2 MICP算法 128 10.4.3 FastSLAM算法 129 10.5 实验与分析 130 10.5.1 机器人软硬件配置及实验环境 130 10.5.2 VSLAM算法的性能评估 131 10.6 本章小结 135 第11章 基于VSLAM的环境语义地图构建方法 137 11.1 引言 137 11.2 Mask RCNN算法 137 11.3 Mask RCNN算法测试 139 11.3.1 自建数据集实验 139 11.3.2 连续场景实验 140 11.3.3 分析与评估 141 11.4 语义SLAM算法 141 11.5 DynaSLAM算法 142 11.5.1 系统综述 142 11.5.2 动态障碍物分割 143 11.6 MaskFusion算法 143 11.6.1 MaskFusion系统综述 144 11.6.2 帧间追踪 144 11.6.3 语义与几何分割 144 11.7 OMASK-SLAM算法 145 11.7.1 系统框架 145 11.7.2 几何特征与语义信息的融合 145 11.7.3 动态障碍物处理 147 11.8 实验与分析 148 11.8.1 实验平台 148 11.8.2 语义地图构建 148 11.8.3 分析与评估 149 11.9 本章小结 149 第12章 基于行为识别的三维语义建图 150 12.1 引言 150 12.2 语义建图系统建模 151 12.2.1 问题表述 151 12.2.2 运动传感器信息源 152 12.2.3 活动位置信息源 153 12.2.4 运动信息与位置信息融合 153 12.2.5 语义地图信息反馈 155 12.3 基于可穿戴式运动传感器的人体活动识别 155 12.3.1 人体活动识别方法的分类 155 12.3.2 人体活动识别系统的框架 156 12.3.3 分层活动和手势模型 157 12.3.4 基于无线运动传感器的人体活动识别 157 12.3.5 DBN模型的实现 160 12.3.6 基于贝叶斯定理的人体活动识别更新 162 12.4 实验与分析 163 12.4.1 机器人系统配置及实验环境 163 12.4.2 动态障碍物检测与追踪 164 12.4.3 基于运动传感器的身体活动识别 165 12.4.4 活动识别融合测试 166 12.4.5 二维环境语义建图测试 168 12.4.6 三维环境语义建图测试 168 12.5 本章小结 171 参考文献 172