移动机器人技术及其应用

第1章 绪论　1.1 移动机器人的发展　1.2 移动机器人的分类　1.3 移动机器人技术简介　1.4 典型的移动机器人系统介绍　1.5 移动机器人的应用及其展望　本章小结第2章 移动机器人系统的组成结构　2.1 移动机器人的体系结构　　2.1.1 移动机器人体系结构的基本功能和要素　　2.1.2 移动机器人的三种基本体系结构　2.2 移动机器人的运动系统　　2.2.1 移动机器人的移动机构　　2.2.2 移动机器人的动力学原理　　2.2.3 移动机器人的驱动系统　2.3 移动机器人的感知系统　　2.3.1 移动机器人对传感器的要求　　2.3.2 移动机器人感知系统的结构分布　2.4 移动机器人的通信系统　2.5 移动机器人的控制系统　　2.5.1 控制系统的结构形式　　2.5.2 控制系统的硬件结构　2.6 移动机器人的控制软件系统　2.7 Pioneer移动机器人简介　本章小结第3章 移动机器人的传感器和执行器　3.1 移动机器人的传感器　　3.1.1 移动机器人的内部传感器　　3.1.2 移动机器人的外部传感器　3.2 移动机器人的执行器　　3.2.1 执行器　　3.2.2 多自由度动力学　本章小结第4章 移动机器人的通信系统　4.1 移动机器人通信系统的特点及设计要求　　4.1.1 移动机器人通信的特点　　4.1.2 移动机器人通信系统设计要求及评价指标　4.2 现代无线通信技术　　4.2.1 GSM通信系统　　4.2.2 CDMA通信系统　　4.2.3 红外通信与蓝牙通信　　4.2.4 LIWB超宽带通信技术　4.3 基于计算机网络的移动机器人通信　　4.3.1 TC：P/IP协议族　　4.3.2 基于Internet/Web的远程移动机器人　4.4 Ad Hoc无线通信网络　　4.4.1 Ad Hoc网络　　4.4.2 Ad Hoc网的物理层　　4.4.3 Ad Hoc网的MAC：协议　　4.4.4 Ad Hoc网络的路由协议　　4.4.5 Ad Hoc网络的其他研究热点及发展　本章小结第5章 移动机器人智能控制方法　5.1 概述　5.2 移动机器人的模糊控制　　5.2.1 模糊控制原理　　5.2.2 基于模糊逻辑推理的移动机器人导航控制　5.3 移动机器人的神经网络控制　　5.3.1 神经网络控制概述　　5.3.2 BP神经网络算法　　5.3.3 Hopfield网络　　5.3.4 径向基函数(RBF)网络　5.4 移动机器人的模糊神经网络控制　　5.4.1 模糊神经网络控制原理　　5.4.2 常规模糊神经网络在移动机器人中的应用　　5.4.3 移动机器人的模糊B样条基神经网络控制　本章小结第6章 移动机器人定位　6.1 定位的概念　　6.1.1 相对定位　　6.1.2 绝对定位　6.2 移动机器人相对定位　　6.2.1 航迹推算法　　6.2.2 测距法 6.3　移动机器人绝对定位 6.3.1　GPS定位 6.3.2　路标定位 本章小结第7章　移动机器人避障与追踪 7.1　移动机器人避障 7.1.1　移动机器人常规避障 7.1.2　移动机器人紧急避障 7.2　移动机器人追踪 7.2.1　移动机器人目标追踪控制 7.2.2　移动机器人墙跟踪 7.2.3　移动机器人气味追踪 本章小结第8章　移动机器人的路径规划 8.1　环境理解与环境建模 8.1.1　环境理解 8.1.2　环境建模 8.2　人工势场法路径规划 8.2.1　人工势场法基本原理 8.2.2　时变势场法 8.3　A*/D*法进行路径规划 8.3.1　状态空间搜索 8.3.2　A*算法路径规划 8.3.3　D*算法路径规划 8.4　遗传算法动态路径规划 8.4.1　遗传算法进行路径规划的基本原理 8.4.2　遗传算法进行路径规划实验设计 8.5　基于视觉与自适应模糊的路径导航 8.5.1　导航线的识别 8.5.2　导航线的跟踪和识别质量的自适应优化 本章小结第9章　机器视觉 9.1　移动机器人视觉系统 9.1.1　移动机器人视觉系统简述 9.1.2　移动机器人单目视觉系统 9.1.3　移动机器人双目视觉系统 9.1.4　移动机器人全景视觉系统 9.1.5　移动机器人网络摄像头 9.2　摄像机标定 9.2.1　摄像机的畸变模型 9.2.2　摄像机标定技术 9.2.3　双目摄像机标定技术 9.3　灰度图像处理 9.3.1　二值图像处理 9.3.2　图像分割 9.4　彩色图像处理 9.4.1　颜色空间 9.4.2　颜色分割 9.5　移动机器人视觉导航 9.5.1　室内移动机器人视觉导航 9.5.2　ALV的视觉导航 本章小结第10章　信息融合 10.1　概述 10.1.1　信息融合的目的和定义 10.1.2　信息融合的基本原理 10.1.3　信息融合技术在移动机器人领域中的应用和发展 10.2　信息融合的基本内容 10.2.1　信息融合系统建模 10.2.2　信息的表示与转换 10.2.3　信息融合系统的基本模型 10.3　常用信息融合方法的原理和应用 10.3.1 贝叶斯方法(Bayes) 10.3.2　卡尔曼滤波法 10.3.3　登普斯特一谢弗证据方法(Dempster-shafer) 10.3.4　航迹融合的分层法 10.3.5　模糊集理论 10.3.6　神经网络法 10.3.7　应用举例 本章小结第11章　多机器人系统 11.1　概述 11.1.1　多机器人系统的特点及应用 11.1.2　多机器人系统的关键技术 11.1.3　一些典型的多机器人系统 11.2　多机器人系统的体系结构及分类 11.2.1　从控制结构角度分类 11.2.2　按通信系统结构分类 11.2.3　按个体机器人结构分类 11.3　多机器人的协调机制 11.3.1　多机器人的协调方法 11.3.2　多机器人协调方法研究的三个阶段 11.4　多机器人的路径规划 11.5　多机器人学习 11.5.1　多机器人学习系统的类型 11.5.2　多机器人的强化学习分类 11.5.3　强化学习系统的原理 11.5.4　强化学习的主要算法 11.6　多机器人系统的应用平台——机器人足球比赛 11.6.1　机器人足球比赛简介 11.6.2　多机器人技术在机器人足球比赛中的应用 本章小结参考文献