第1章緒論2.2基于網(wǎng)格改進(jìn)極大似然的移動(dòng)機(jī)器人動(dòng)態(tài)定位2.2.1極大似然的網(wǎng)格概率分布算法2.2.2改進(jìn)極大似然的網(wǎng)格概率分布算法2.2.3面向?qū)ΨQ性部署的改進(jìn)極大似然網(wǎng)格概率分布定位2.3基于卡爾曼濾波的盲區(qū)定位2.3.1一般狀態(tài)空間模型2.3.2改進(jìn)的經(jīng)典卡爾曼濾波算法2.3.3適用于網(wǎng)絡(luò)盲區(qū)虛擬信標(biāo)節(jié)點(diǎn)的卡爾曼濾波算法2.4仿真和實(shí)驗(yàn)結(jié)果分析2.5本章小結(jié) 第3章基于改進(jìn)APIT的移動(dòng)機(jī)器人動(dòng)態(tài)定位第1章緒論 1.1研究背景與意義 1.1.1選題依據(jù)和背景情況 1.1.2課題研究目的 1.2無(wú)線傳感器網(wǎng)絡(luò)定位算法概述 1.2.1無(wú)線傳感器網(wǎng)絡(luò)定位算法分類 1.2.2無(wú)線傳感器網(wǎng)絡(luò)定位的關(guān)鍵技術(shù) 1.3目標(biāo)跟蹤算法概述 1.3.1目標(biāo)跟蹤算法分類 1.3.2目標(biāo)跟蹤的關(guān)鍵技術(shù) 1.4面向高維數(shù)據(jù)的深度學(xué)習(xí)分類算法概述 1.4.1面向高維數(shù)據(jù)的深度學(xué)習(xí)分類算法的類別 1.4.2面向高維數(shù)據(jù)的深度學(xué)習(xí)分類的關(guān)鍵技術(shù) 1.5國(guó)內(nèi)外研究現(xiàn)狀 1.5.1無(wú)線傳感器網(wǎng)絡(luò)定位研究現(xiàn)狀 1.5.2攝像機(jī)網(wǎng)絡(luò)定位研究現(xiàn)狀 1.5.3無(wú)線多媒體傳感器網(wǎng)絡(luò)定位研究現(xiàn)狀 1.5.4基于卡爾曼濾波的目標(biāo)跟蹤研究現(xiàn)狀 1.5.5面向高維數(shù)據(jù)的深度學(xué)習(xí)分類研究現(xiàn)狀 1.6研究?jī)?nèi)容及組織結(jié)構(gòu) 1.6.1主要研究?jī)?nèi)容 1.6.2章節(jié)安排 第2章基于網(wǎng)格改進(jìn)極大似然的移動(dòng)機(jī)器人動(dòng)態(tài)定位 2.1基于RSSI極大似然的移動(dòng)機(jī)器人動(dòng)態(tài)定位 2.1.1RSSI測(cè)距模型 2.1.2RSSI測(cè)距模型特征分析 2.1.3極大似然的動(dòng)態(tài)定位算法 2.2基于網(wǎng)格改進(jìn)極大似然的移動(dòng)機(jī)器人動(dòng)態(tài)定位 2.2.1極大似然的網(wǎng)格概率分布算法 2.2.2改進(jìn)極大似然的網(wǎng)格概率分布算法 2.2.3面向?qū)ΨQ性部署的改進(jìn)極大似然網(wǎng)格概率分布定位 2.3基于卡爾曼濾波的盲區(qū)定位 2.3.1一般狀態(tài)空間模型 2.3.2改進(jìn)的經(jīng)典卡爾曼濾波算法 2.3.3適用于網(wǎng)絡(luò)盲區(qū)虛擬信標(biāo)節(jié)點(diǎn)的卡爾曼濾波算法 2.4仿真和實(shí)驗(yàn)結(jié)果分析 2.5本章小結(jié) 第3章基于改進(jìn)APIT的移動(dòng)機(jī)器人動(dòng)態(tài)定位 3.1基于三邊測(cè)量的動(dòng)態(tài)定位和測(cè)距優(yōu)化算法 3.1.1三邊測(cè)量定位算法 3.1.2卡爾曼濾波優(yōu)化RSSI測(cè)距模型算法 3.2基于改進(jìn)APIT的移動(dòng)機(jī)器人動(dòng)態(tài)定位算法 3.2.1*佳三角形內(nèi)點(diǎn)測(cè)試數(shù)學(xué)模型 3.2.2改進(jìn)APIT算法 3.2.3適用于網(wǎng)絡(luò)盲區(qū)的改進(jìn)APIT算法 3.3仿真實(shí)驗(yàn)和結(jié)果分析 3.3.1基于測(cè)距的改進(jìn)APIT定位算法實(shí)驗(yàn) 3.3.2基于卡爾曼濾波的移動(dòng)機(jī)器人動(dòng)態(tài)定位算法實(shí)驗(yàn) 3.3.3卡爾曼濾波算法在絕對(duì)網(wǎng)絡(luò)盲區(qū)的定位實(shí)驗(yàn) 3.4室內(nèi)移動(dòng)機(jī)器人自主動(dòng)態(tài)定位實(shí)驗(yàn) 3.5本章小結(jié) 第4章基于隱形邊的移動(dòng)機(jī)器人動(dòng)態(tài)定位和路徑規(guī)劃 4.1移動(dòng)機(jī)器人定位和路徑規(guī)劃以及自動(dòng)部署概述 4.1.1隱形邊定位算法 4.1.2移動(dòng)機(jī)器人路徑規(guī)劃概述 4.1.3移動(dòng)機(jī)器人自動(dòng)部署無(wú)線傳感器網(wǎng)絡(luò)概述 4.2基于隱形邊的移動(dòng)機(jī)器人*大范圍定位 4.2.1無(wú)須隱形邊的無(wú)線傳感器網(wǎng)絡(luò)定位算法 4.2.2應(yīng)用隱形邊的移動(dòng)機(jī)器人*大范圍動(dòng)態(tài)定位算法 4.2.3應(yīng)用隱形邊的定位算法和三邊測(cè)量算法的擬合 4.3基于三角形和生成樹的移動(dòng)機(jī)器人路徑規(guī)劃 4.3.1應(yīng)用三角形和生成樹的路徑規(guī)劃算法 4.3.2實(shí)現(xiàn)冗余網(wǎng)絡(luò)覆蓋的漏洞修復(fù)算法 4.3.3虛擬網(wǎng)格的邊界穿越算法 4.4仿真實(shí)驗(yàn)與結(jié)果分析 4.4.1應(yīng)用隱形邊的*大范圍定位算法分析 4.4.2基于三角形和生成樹的路徑規(guī)劃算法分析 4.5本章小結(jié) 第5章基于公垂線中點(diǎn)質(zhì)心的移動(dòng)機(jī)器人動(dòng)態(tài)定位 5.1基于攝像機(jī)網(wǎng)絡(luò)的多攝像機(jī)聯(lián)合標(biāo)定算法 5.1.1Harris角度檢測(cè)和提取算法 5.1.2多攝像機(jī)聯(lián)合標(biāo)定的線性模型 5.1.3非奇異標(biāo)定板部署 5.2基于改進(jìn)公垂線中點(diǎn)質(zhì)心的移動(dòng)機(jī)器人動(dòng)態(tài)定位算法 5.2.1自適應(yīng)背景混合模型 5.2.2公垂線中點(diǎn)質(zhì)心3D定位算法 5.2.3改進(jìn)公垂線中點(diǎn)質(zhì)心3D定位算法 5.2.4實(shí)驗(yàn)結(jié)果分析 5.3基于無(wú)線多媒體傳感器網(wǎng)絡(luò)的聯(lián)合同步機(jī)制 5.3.1分布式計(jì)算系統(tǒng)架構(gòu) 5.3.2API包封裝算法 5.3.3面向無(wú)線多媒體傳感器網(wǎng)絡(luò)的多攝像機(jī)聯(lián)合同步算法 5.3.4實(shí)驗(yàn)數(shù)據(jù)分析 5.4本章小結(jié) 第6章基于遞推*小二乘的移動(dòng)機(jī)器人動(dòng)態(tài)定位 6.1基于無(wú)線多媒體傳感器的網(wǎng)絡(luò)架構(gòu) 6.1.1無(wú)線多媒體傳感器網(wǎng)絡(luò)的自組織網(wǎng)絡(luò) 6.1.2無(wú)線多媒體傳感器網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法 6.1.3無(wú)線多媒體傳感器網(wǎng)絡(luò)的定位系統(tǒng)硬件平臺(tái) 6.2基于遞推*小二乘的移動(dòng)機(jī)器人動(dòng)態(tài)定位算法 6.2.1面向畸變補(bǔ)償?shù)亩嘁暯锹?lián)合標(biāo)定算法 6.2.2面向3D定位的*小二乘算法 6.2.3面向3D定位的遞推*小二乘算法 6.3基于無(wú)線多媒體傳感器網(wǎng)絡(luò)的定位誤差補(bǔ)償機(jī)制 6.3.1多視角3D定位誤差分析 6.3.2面向無(wú)線多媒體傳感器網(wǎng)絡(luò)的3D定位誤差補(bǔ)償算法 6.4實(shí)驗(yàn)數(shù)據(jù)及分析 6.4.1多視角聯(lián)合標(biāo)定實(shí)驗(yàn)數(shù)據(jù)分析 6.4.2面向WMSN的移動(dòng)機(jī)器人3D定位實(shí)驗(yàn)數(shù)據(jù)分析 6.5本章小結(jié) 第7章基于卡爾曼濾波的時(shí)空正則化相關(guān)濾波器 7.1時(shí)空正則化相關(guān)濾波器 7.2基于卡爾曼濾波的時(shí)空正則化相關(guān)濾波器 7.2.1視覺(jué)跟蹤優(yōu)化問(wèn)題 7.2.2KF和STRCF的整合 7.2.3步長(zhǎng)控制方法 7.3實(shí)驗(yàn)與分析 7.3.1框架參數(shù) 7.3.2OTB2013數(shù)據(jù)集 7.3.3OTB2015數(shù)據(jù)集 7.3.4TempleColor數(shù)據(jù)集 7.4本章小結(jié) 第8章面向高維數(shù)據(jù)的一維VGG深度學(xué)習(xí)網(wǎng)絡(luò) 8.1多準(zhǔn)則決策的預(yù)處理方法 8.1.1預(yù)處理過(guò)程 8.1.2多準(zhǔn)則決策優(yōu)化問(wèn)題(MCDMOP) 8.2一維視覺(jué)幾何群網(wǎng)絡(luò)體系結(jié)構(gòu) 8.2.11D_VGGNet的體系結(jié)構(gòu) 8.2.2一維卷積層 8.2.3池化層 8.2.4全連接層 8.2.5訓(xùn)練1D_VGGNet 8.3實(shí)驗(yàn)與分析 8.3.1框架參數(shù)和數(shù)據(jù)集 8.3.21D_VGGNet的測(cè)試階段 8.3.31D_VGGNet的訓(xùn)練階段 8.4本章小結(jié) 第9章總結(jié)與展望 9.1總結(jié) 9.2展望 參考文獻(xiàn)