前言 第1章 機器人技術概述 1.1 機器人技術及其發展 1.2 機器人的簡單分類 1.2.1 機械手 1.2.2 移動機器人 1.3 機器人學 1.3.1 機器人學的發展歷程 1.3.2 機器人三原則 1.3.3 工業機器人學和先進機器人學 1.4 移動機器人的主要技術課題 1.4.1 傳感與導航 1.4.2 計算與控制 1.4.3 機械與運動 1.4.4 動力與推進 1.4.5 多機器人協同 第2章 移動機器人定位與導航的坐標系 2.1 移動載體的定位與導航技術 2.1.1 定位與導航技術的發展 2.1.2 導航與控制 2.2 移動機器人常用的坐標系 2.2.1 慣性坐標系 2.2.2 地球坐標系 2.2.3 地理坐標系 2.2.4 地平坐標系 2.2.5 載體坐標系 2.2.6 傳感器坐標系 2.3 移動機器人的坐標變換 2.3.1 移動機器人的位姿 2.3.2 旋轉矩陣 2.3.3 旋轉矩陣的合成 2.3.4 歐拉角 2.3.5 角軸 2.3.6 單位四元數 2.3.7 齊次變換 第3章 移動機器人的導航系統 3.1 里程計定位與導航 3.1.1 里程計與電子羅盤 3.1.2 航位推算的基本原理 3.1.3 航位推算的誤差分析 3.2 慣性導航 3.2.1 陀螺儀 3.2.2 加速度計 3.2.3 平臺式慣性導航 3.2.4 捷聯式慣性導航 3.2.5 MEMS微慣導系統 3.2.6 慣性導航系統的誤差分析 3.3 天文導航 3.4 無線電定位與導航 3.4.1 無線電定位與導航概述 3.4.2 衛星定位與導航系統 3.4.3 UWB定位 3.4.4 ZigBee定位 3.4.5 RFID定位 3.4.6 其他幾種無線傳感器網絡定位方法 3.5 激光測距與定位 3.5.1 激光測距系統 3.5.2 激光測距與定位的基本原理 3.5.3 激光雷達數據的基本處理 3.5.4 激光測距與定位的誤差分析 3.6 磁導航系統 3.6.1 磁導航系統的組成 3.6.2 磁導航系統的基本原理 3.6.3 磁導航系統的優缺點 第4章 移動機器人的狀態估計方法 4.1 系統的狀態空間描述 4.2 卡爾曼濾波 4.2.1 卡爾曼濾波基本方程 4.2.2 卡爾曼濾波的工程應用方法 4.2.3 擴展卡爾曼濾波 4.2.4 無跡卡爾曼濾波 4.2.5 容積卡爾曼濾波 4.3 粒子濾波算法 4.3.1 貝葉斯遞推 4.3.2 蒙特卡羅采樣 4.3.3 序貫重要性采樣 4.3.4 粒子退化問題 4.3.5 粒子濾波算法流程 第5章 移動機器人的組合導航 5.1 組合導航的基本概念 5.1.1 組合導航研究的主要內容 5.1.2 移動機器人組合導航系統的構成 5.1.3 組合導航系統的工作模式 5.1.4 組合導航系統導航狀態估計方法 5.2 組合導航濾波方案 5.2.1 集中卡爾曼濾波 5.2.2 聯邦卡爾曼濾波 5.3 移動機器人組合導航的工程技術 5.3.1 組合導航系統的降階設計 5.3.2 組合導航系統的信息同步 5.3.3 組合導航系統的容錯方案 5.4 室外無人車慣性／衛星組合導航 5.4.1 車載組合導航試驗系統 5.4.2 車載組合導航系統試驗及數據處理 5.4.3 車載組合導航系統試驗結果與分析 第6章 移動機器人的SLAM方法 6.1 SLAM概述 6.2 經典SLAM方法 6.3 移動機器人SLAM的坐標與地圖 6.3.1 SLAM的坐標系模型 6.3.2 SLAM的地圖描述 6.4 SLAM應用的運動學模型與觀測模型 6.4.1 移動機器人的位姿模型 6.4.2 移動機器人的運動學模型 6.4.3 人工信標與環境特征運動學模型 6.4.4 傳感器的觀測模型 6.5 基于擴展卡爾曼濾波的SLAM實現 6.5.1 增廣狀態空間 6.5.2 系統運動學模型與觀測模型的雅可比矩陣 6.5.3 狀態預測與狀態更新 6.5.4 數據關聯、特征檢測與狀態增加 6.6 SLAM問題的概率模型 6.7 SLAM算法的一致性 6.7.1 EKF-SLAM算法的一致性 6.7.2 FastSLAM算法及其一致性 6.8 SLAM方法的一些技術問題 第7章 移動機器人的VSLAM方法 7.1 VSLAM概述 7.2 視覺里程計 7.2.1 立體相機模型 7.2.2 相機位姿表示 7.2.3 VSLAM的數學表述 7.2.4 特征點法與直接法 7.3 非線性優化 7.3.1 狀態的濾波估計與*小二乘估計 7.3.2 高斯一牛頓法及列文伯格一馬夸爾特法 7.3.3 g20基本方法 7.3.4 光束平差法 7.4 閉環檢測 7.4.1 閉環檢測的概率模型 7.4.2 基于BOVW的閉環檢測 7.4.3 VSLAM閉環檢測的主要工作 7.5 VSLAM建圖 7.6 VSLAM的發展與趨勢 參考文獻