基於視覺的自主機器人導航

譯者序
原書前言
第1章 移動機器人導航
1.1 自主移動機器人導航
1.2 為何要視覺導航
1.3 基於視覺的導航
1.3.1 基於視覺的室內導航
1.3.1.1 基於地圖的導航
1.3.1.2 基於地圖構建的導航
1.3.1.3 無地圖導航
1.3.2 基於視覺的室外導航
1.4 研究現狀
1.5 障礙物檢測和避障
1.6 本章小結
參考文獻
第2章 移動機器人的外設接口
2.1 簡介
2.2 用於視覺系統與現有機器人接口的PIC微控制器系統
2.3 KOALA機器人與PC和視覺系統構成的集成系統
2.4 實際性能評估
2.5 本章小結
參考文獻
第3章 利用子目標的基於視覺的移動機器人導航
3.1 簡介
3.2 硬件設置
3.3 目標導向的兩層導航機制
3.4 第一層中基於圖像處理的環境探索
3.5 最短路徑計算和子目標生成
3.6 第二層中基於紅外的導航
3.7 實際性能評估
3.8 本章小結
參考文獻
第4章 基於視覺的移動機器人自主開發
4.1 簡介
4.2 基於視覺的低成本移動機器人的研制開發
4.3 基於微控制器的機器人感知系統的研制開發
4.3.1 具有動態增強功能的紅外測距系統
4.3.1.1 動態測距增強算法
4.3.1.2 實驗結果
4.3.2 采用開關模式同步檢測技術的光學接近檢測器
4.3.2.1 基於PIC微控制器的光學接近檢測器
4.3.2.2 開關模式同步檢測技術
4.3.2.3 實驗結果
4.4 客戶端—服務器工作模式下的內網連接
4.5 本章小結
參考文獻
第5章 基於視覺的移動機器人導航算法的實現示例
5.1 簡介
5.2 示例1
5.3 示例2
5.4 示例3
5.5 示例4
5.6 示例5
5.7 示例6
5.8 示例7
5.9 示例8
5.10 示例9
5.11 示例10
5.12 本章小結
參考文獻
第6章 基於視覺的移動機器人路徑跟蹤
6.1 簡介
6.2 所提方法概述
6.3 基於視覺的機器人模糊導航系統
6.4 基於紅外傳感器的模糊避障算法
6.5 實際性能評估
6.6 本章小結
參考文獻
第7章 移動機器人的SLAM
7.1 簡介
7.2 基於EKF的隨機SLAM算法
7.3 結合模糊神經網絡模型的基於EKF的SLAM算法
7.4 模糊神經網絡架構及基於粒子群優化（PSO）算法的訓練方法
7.4.1 模糊神經網絡架構
7.4.2 利用PSO訓練模糊神經網絡模型
7.4.3 性能評估
7.5 利用DE優化算法訓練模糊監督器
7.5.1 性能評估
7.6 本章小結
參考文獻
第8章 基於視覺的移動機器人SLAM
8.1 簡介
8.2 差動驅動KOALA機器人的動態狀態模型
8.3 基於視覺感知的圖像特征識別、特征跟蹤和每個特征的3D距離計算
8.4 實際性能評估
8.5 本章小結
參考文獻