概率機器人中文版pdf 高清完整版 最新更新|軟件分類|軟件專題|手機版|論壇轉貼|軟件發布

您當前所在位置:首頁教程下載電腦刊物 → 概率機器人中文版pdf 高清完整版

概率機器人中文版pdf 高清完整版

概率機器人下載|

概率機器人中文版pdf

版本

  • 軟件大小:61.1M
  • 軟件語言:中文
  • 軟件類型:國產軟件/電腦刊物
  • 軟件授權:免費軟件
  • 更新時間:2019-07-23 10:30
  • 軟件等級:4星
  • 應用平臺:WinXP, Win7, Win8, Win10
  • 軟件官網:

軟件介紹人氣軟件精品推薦相關文章網友評論下載地址

小編為您推薦: 概率機器人 概率

概率機器人中文版pdf是專門為學者提供概率機器人學習的書籍,在這里你可以了解完整的基礎知識,還可以通過本書學習課程教學,通過本書了解最新的概率交互體驗,歡迎有需要的用戶來IT貓撲下載!

關于概率機器人

《概率機器人》對概率機器人學這一新興領域進行了全面的介紹。概率機器人學依賴統計技術表示信息和進行決策,以容納當今大多數機器人應用中必然存在的不確定性,是機器人學的一個分支。

它依賴統計技術表示信息和制定決策。這樣做,可以接納在當今大多數機器人應用中引起的不確定性。本書主要專注于算法,對于每種算法,均提供了四項內容:①偽碼示例;②完整的數學推導;③實驗結果;④算法優缺點的詳細討論。

《概率機器人》包括了基礎知識、定位地圖構建、規劃與控制四大部分。本書共17章,每章的后都提供了練習題和動手實踐的項目。相信本書可以加深讀者對概率機器人學的認識。

概率機器人中文版pdf下載

概率機器人中文版目錄

譯者序

原書前言

致謝

第Ⅰ部分 基礎知識

第1章 緒論 1

1.1 機器人學中的不確定性 1

1.2 概率機器人學 2

1.3 啟示 6

1.4 本書導航 7

1.5 概率機器人課程教學 7

1.6 文獻綜述 8

第2章 遞歸狀態估計 10

2.1 引言 10

2.2 概率的基本概念 10

2.3 機器人環境交互 14

2.3.1 狀態 15

2.3.2 環境交互 16

2.3.3 概率生成法則 18

2.3.4 置信分布 19

2.4 貝葉斯濾波 20

2.4.1 貝葉斯濾波算法 20

2.4.2 實例 21

2.4.3 貝葉斯濾波的數學推導 23

2.4.4 馬爾可夫假設 25

2.5 表示法和計算 25

2.6 小結 26

2.7 文獻綜述 26

2.8 習題 27

第3章 高斯濾波 29

3.1 引言 29

3.2 卡爾曼濾波 30

3.2.1 線性高斯系統 30

3.2.2 卡爾曼濾波算法 31

3.2.3 例證 32

3.2.4 卡爾曼濾波的數學推導 33

3.3 擴展卡爾曼濾波 40

3.3.1 為什么要線性化 40

3.3.2 通過泰勒展開的線性化 42

3.3.3 擴展卡爾曼濾波算法 44

3.3.4 擴展卡爾曼濾波的數學推導 44

3.3.5 實際考慮 46

3.4 無跡卡爾曼濾波 49

3.4.1 通過無跡變換實現線性化 49

3.4.2 無跡卡爾曼濾波算法 50

3.5 信息濾波 54

3.5.1 正則參數 54

3.5.2 信息濾波算法 55

3.5.3 信息濾波的數學推導 56

3.5.4 擴展信息濾波算法 57

3.5.5 擴展信息濾波的數學推導 58

3.5.6 實際考慮 59

3.6 小結 60

3.7 文獻綜述 61

3.8 習題 62

第4章 非參數濾波 64

4.1 直方圖濾波 64

4.1.1 離散貝葉斯濾波算法 65

4.1.2 連續狀態 65

4.1.3 直方圖近似的數學推導 67

4.1.4 分解技術 69

4.2 靜態二值貝葉斯濾波 70

4.3 粒子濾波 72

4.3.1基本算法 72

4.3.2 重要性采樣 75

4.3.3 粒子濾波的數學推導 77

4.3.4 粒子濾波的實際考慮和特性 79

4.4 小結 85

4.5 文獻綜述 85

4.6 習題 86

第5章 機器人運動 88

5.1 引言 88

5.2 預備工作 89

5.2.1 運動學構型 89

5.2.2 概率運動學 89

5.3 速度運動模型 90

5.3.1 閉式計算 91

5.3.2 采樣算法 92

5.3.3 速度運動模型的數學推導 94

5.4 里程計運動模型 99

5.4.1 閉式計算 100

5.4.2 采樣算法 102

5.4.3 里程計運動模型的數學推導 104

5.5 運動和地圖 105

5.6 小結 108

5.7 文獻綜述 109

5.8 習題 110

第6章 機器人感知 112

6.1 引言 112

6.2 地圖 114

6.3 測距儀的波束模型 115

6.3.1 基本測量算法 115

6.3.2 調節固有模型參數 119

6.3.3 波束模型的數學推導 121

6.3.4 實際考慮 126

6.3.5 波束模型的局限 127

6.4 測距儀的似然域 127

6.4.1 基本算法 127

6.4.2 擴展 130

6.5 基于相關性的測量模型 131

6.6 基于特征的測量模型 133

6.6.1 特征提取 133

6.6.2 地標的測量 133

6.6.3 已知相關性的傳感器模型 134

6.6.4 采樣位姿 135

6.6.5 進一步的考慮 137

6.7 實際考慮 137

6.8 小結 138

6.9 文獻綜述 139

6.10 習題 139

第Ⅱ部分 定 位

第7章 移動機器人定位:馬爾可夫與高斯 142

7.1 定位問題的分類 144

7.2 馬爾可夫定位 146

7.3 馬爾可夫定位圖例 147

7.4 擴展卡爾曼濾波定位 149

7.4.1 圖例 149

7.4.2 擴展卡爾曼濾波定位算法 151

7.4.3 擴展卡爾曼濾波定位的數學推導 151

7.4.4 物理實現 157

7.5 估計一致性 161

7.5.1 未知一致性的擴展卡爾曼濾波定位 161

7.5.2 極大似然數據關聯的數學推導 162

7.6 多假設跟蹤 164

7.7 無跡卡爾曼濾波定位 165

7.7.1 無跡卡爾曼濾波定位的數學推導 165

7.7.2 圖例 168

7.8 實際考慮 172

7.9 小結 174

7.10 文獻綜述 175

7.11 習題 176

第8章 移動機器人定位:柵格與蒙特卡羅 179

8.1 介紹 179

8.2 柵格定位 179

8.2.1 基本算法 179

8.2.2 柵格分辨率 180

8.2.3 計算開銷 184

8.2.4 圖例 184

8.3 蒙特卡羅定位 189

8.3.1 圖例 189

8.3.2 蒙特卡羅定位算法 191

8.3.3 物理實現 191

8.3.4 蒙特卡羅定位特性 194

8.3.5 隨機粒子蒙特卡羅定位:失效恢復 194

8.3.6 更改建議分布 198

8.3.7 庫爾貝克-萊布勒散度采樣:調節樣本集合大小 199

8.4 動態環境下的定位 203

8.5 實際考慮 208

8.6 小結 209

8.7 文獻綜述 209

8.8習題 211

第Ⅲ部分 地圖構建

第9章 占用柵格地圖構建 213

9.1 引言 213

9.2 占用柵格地圖構建算法 216

9.2.1 多傳感器信息融合 222

9.3 反演測量模型的研究 223

9.3.1 反演測量模型 223

9.3.2 從正演模型采樣 224

9.3.3 誤差函數 225

9.3.4 實例與深度思考 226

9.4 最大化后驗占用地圖構建 227

9.4.1 維持依賴實例 227

9.4.2 用正演模型進行占用柵格地圖構建 228

9.5 小結 231

9.6 文獻綜述 231

9.7 習題 232

第10章 同時定位與地圖構建 235

10.1 引言 235

10.2 基于擴展卡爾曼濾波的SLAM 237

10.2.1 設定和假設 237

10.2.2 已知一致性的SLAM問題 238

10.2.3 EKF SLAM的數學推導 241

10.3 未知一致性的EKF SLAM 244

10.3.1 通用EKF SLAM算法 244

10.3.2 舉例 247

10.3.3 特征選擇和地圖管理 250

10.4 小結 252

10.5 文獻綜述 253

10.6 習題 256

第11章 GraphSLAM算法 258

11.1 引言 258

11.2 直覺描述 260

11.2.1 建立圖形 260

11.2.2 推論 262

11.3 具體的GraphSLAM算法 265

11.4 GraphSLAM算法的數學推導 270

11.4.1 全SLAM后驗 271

11.4.2 負對數后驗 272

11.4.3 泰勒表達式 272

11.4.4 構建信息形式 273

11.4.5 濃縮信息表 274

11.4.6 恢復機器人路徑 277

11.5 GraphSLAM算法的數據關聯 278

11.5.1 未知一致性的GraphSLAM算法 279

11.5.2 一致性測試的數學推理 281

11.6 效率評價 283

11.7 實驗應用 284

11.8 其他的優化技術 288

11.9 小結 290

11.10 文獻綜述 291

11.11 習題 293

第12章 稀疏擴展信息濾波 294

12.1 引言 294

12.2 直觀描述 296

12.3 SEIF SLAM算法 298

12.4 SEIF的數學推導 301

12.4.1 運動更新 301

12.4.2 測量更新 304

12.5 稀疏化 304

12.5.1 一般思想 304

12.5.2 SEIF的稀疏化 306

12.5.3 稀疏化的數學推導 307

12.6 分期償還的近似地圖恢復 308

12.7 SEIF有多稀疏 310

12.8 增量數據關聯 313

12.8.1 計算增量數據關聯概率 313

12.8.2 實際考慮 315

12.9 分支定界數據關聯 318

12.9.1 遞歸搜索 318

12.9.2 計算任意的數據關聯概率 320

12.9.3 等價約束 320

12.10 實際考慮 322

12.11 多機器人SLAM 325

12.11.1 整合地圖 326

12.11.2 地圖整合的數學推導 328

12.11.3 建立一致性 329

12.11.4 示例 329

12.12 小結 332

12.13 文獻綜述 333

12.14 習題 334

第13章 FastSLAM算法 336

13.1 基本算法 337

13.2 因子分解SLAM后驗 338

13.2.1 因式分解的SLAM后驗的數學推導 339

13.3 具有已知數據關聯的FastSLAM算法 341

13.4 改進建議分布 346

13.4.1 通過采樣新位姿擴展路徑后驗 346

13.4.2 更新可觀察的特征估計 348

13.4.3 計算重要性系數 349

13.5 未知數據關聯 351

13.6 地圖管理 352

13.7 FastSLAM算法 353

13.8 高效實現 358

13.9 基于特征的地圖的 FastSLAM 360

13.9.1 經驗思考 360

13.9.2 閉環 363

13.10 基于柵格的FastSLAM算法 366

13.10.1 算法 366

13.10.2 經驗見解 366

13.11 小結 369

13.12 文獻綜述 371

13.13 習題 372

第Ⅳ部分 規劃與控制

第14章 馬爾可夫決策過程 374

14.1 目的 374

14.2 行動選擇的不確定性 376

14.3 值迭代 380

14.3.1 目標和報酬 380

14.3.2 為完全能觀測的情況尋找最優控制策略 383

14.3.3 計算值函數 384

14.4 機器人控制的應用 387

14.5 小結 390

14.6 文獻綜述 391

14.7 習題 392

第15章 部分能觀測馬爾可夫決策過程 394

15.1 動機 394

15.2 算例分析 395

15.2.1 建立 395

15.2.2 控制選擇 397

15.2.3 感知 398

15.2.4 預測 402

15.2.5 深度周期和修剪 404

15.3 有限環境POMDP算法 407

15.4 POMDP的數學推導 409

15.4.1 置信空間的值迭代 409

15.4.2 值函數表示法 410

15.4.3 計算值函數 410

15.5 實際考慮 413

15.6 小結 416

15.7 文獻綜述 417

15.8 習題 419

第16章 近似部分能觀測馬爾可夫決策過程技術 421

16.1 動機 421

16.2 QMDP 422

16.3 AMDP 423

16.3.1 增廣的狀態空間 423

16.3.2 AMDP算法 424

16.3.3 AMDP的數學推導 426

16.3.4 移動機器人導航應用 427

16.4 MC-POMDP 430

16.4.1 使用粒子集 430

16.4.2 MC-POMDP算法 431

16.4.3 MC-POMDP的數學推導 433

16.4.4 實際考慮 434

16.5 小結 435

16.6 文獻綜述 436

16.7 習題 436

第17章 探測 438

17.1 介紹 438

17.2 基本探測算法 439

17.2.1 信息增益 439

17.2.2 貪婪技術 440

17.2.3 蒙特卡羅探測 441

17.2.4 多步技術 442

17.3 主動定位 442

17.4 為獲得占用柵格地圖的探測 447

17.4.1 計算信息增益 447

17.4.2 傳播增益 450

17.4.3 推廣到多機器人系統 452

17.5 SLAM探測 457

17.5.1 SLAM熵分解 457

17.5.2 FastSLAM探測 458

17.5.3 實驗描述 460

17.6 小結 462

17.7 文獻綜述 463

17.8 習題 466

參考文獻 468

更多>>軟件截圖

推薦軟件

其他版本下載

精品推薦

相關文章

下載地址Android版iPhone版Mac版iPad版

  • 概率機器人中文版pdf 高清完整版

查看所有評論>>網友評論

發表評論

(您的評論需要經過審核才能顯示) 網友粉絲QQ群號:203046401

查看所有0條評論>>

更多>>猜你喜歡

新时时彩赚钱方法