移動作業(yè)機器人感知、規(guī)劃與控制

第1章 緒論 (正在撰寫，2萬字) 第 2 章攝像機自標定(4.5萬字) 2.1 引言 2.2 空間幾何變換與攝像機透視投影模型 2.2.1 空間幾何變換 2.2.2 相機透視投影模型 2.2.3 無窮遠平面 2.3 攝像機自標定主要方法 2.3.1 利用對偶二次曲面的自標定方法 2.3.2 利用Kruppa 方程的自標定方法 2.3.3 分層求解的自標定方法 2.4 等角度圓周運動下的攝像機自標定 2.4.1 幀間等角度圓周運動約束下的無窮遠平面成像 2.4.2 連續(xù)幀優(yōu)化求解無窮遠平面坐標2.4.3 仿真實驗結(jié)果與分析 2.5 利用環(huán)境中直線進行攝像機在線自標定方法 2.5.1 利用消影點進行攝像機標定的基本原理 2.5.2 曼哈頓場景下的消影點估計 2.5.3 準曼哈頓場景下的直線擬合 2.5.4 長度加權(quán)的消影點估計 2.6 實驗結(jié)果及分析 2.7 本章小結(jié) 參考文獻 第 3 章分辨率自適應(yīng)的目標檢測(2.1萬字) 3.1 引言 3.2 基于高分辨率和低分辨率特征融合的目標檢測方法 3.3 主要數(shù)學表示 3.4 數(shù)學模型 3.4.1 散度項 3.4.2 判別項 3.4.3 整體模型 3.5模型優(yōu)化求解方法 3.5.1 小化判別項 3.5.2 小化散度項 3.5.2 整體優(yōu)化 3.6 算法收斂性分析與復(fù)雜度分析 3.7 實驗結(jié)果與分析 3.8 本章小結(jié) 參考文獻 第 4 章基于多模態(tài)和多任務(wù)學習的目標識別(4萬字) 4.1 引言 4.2 多核嵌入的測度學習 4.2.1 測度學習基本原理 4.2.2 加權(quán)映射連接的多核嵌入測度學習模型 4.2.2 模型優(yōu)化求解方法 4.2.3 實驗結(jié)果與算法分析 4.3 樹結(jié)構(gòu)嵌入的多任務(wù)-多模態(tài)學習 4.3.1 結(jié)構(gòu)化稀疏引導(dǎo)范數(shù)基本知識及其在機器學習中的應(yīng)用4.3.2 樹結(jié)構(gòu)嵌入的多任務(wù)-多模態(tài)學習模型 4.3.3 模型優(yōu)化求解 4.3.4 實驗結(jié)果與算法分析 4.4 本章小結(jié) 參考文獻 第 5 章自主移動機器人的神經(jīng)動力學運動規(guī)劃(2.1萬字) 5.1 引言 5.2 神經(jīng)動力學的基本概念 5.2.1 神經(jīng)動力學的基本原理 5.2.2 神經(jīng)動力學的特點 5.2.3 神經(jīng)動力學在極限情況下的問題 5.3 問題描述 5.4 基于神經(jīng)動力學的運動規(guī)劃方法設(shè)計 5.4.1 改進型神經(jīng)動力學運動規(guī)劃 5.4.2 性能分析 5.4.3 仿真實驗 5.5 本章小結(jié) 參考文獻第6 章自主移動機器人的采樣運動規(guī)劃(2.9萬字) 6.1 引言 6.2 采樣運動規(guī)劃的基本概念 6.2.1 采樣運動規(guī)劃的基本原理 6.2.2 采樣運動規(guī)劃的特點 6.3 局部環(huán)境增量采樣運動規(guī)劃設(shè)計 6.3.1 問題描述 6.3.2 主要方法 6.3.3 性能分析 6.4 仿真與實驗分析 6.4.1 仿真對比及分析 6.4.2 極限情況下仿真驗證 6.4.3 實驗驗證 6.5 本章小結(jié) 參考文獻 第7章 移動機械臂的神經(jīng)網(wǎng)絡(luò)滑模控制(2.2萬字) 7.1 引言 7.2 滑模變結(jié)構(gòu)的基本概念 7.2.1變結(jié)構(gòu)控制的基本原理 7.2.2 變結(jié)構(gòu)控制的特點 7.2.3 變結(jié)構(gòu)控制的抖振問題 7.3 滑模跟蹤控制器設(shè)計 7.3.1 問題描述 7.3.2 滑?？刂破髟O(shè)計 7.3.3 仿真實驗 7.4 基于神經(jīng)網(wǎng)絡(luò)的滑模跟蹤控制器設(shè)計 7.4.1 神經(jīng)網(wǎng)絡(luò) 7.4.2 控制器和神經(jīng)網(wǎng)絡(luò)學習算法設(shè)計 7.4.3 仿真實驗 7.5 本章小結(jié) 第8章 移動機械臂的模糊CMAC建模與魯棒H￥控制(1.8萬字) 8.1 引言 8.2 模糊CMAC神經(jīng)網(wǎng)絡(luò) 8.2.1 CMAC神經(jīng)網(wǎng)絡(luò) 8.2.2 FCMAC神經(jīng)網(wǎng)絡(luò)的原理和結(jié)構(gòu)8.3 問題描述 8.4 基于模糊CMAC神經(jīng)網(wǎng)絡(luò)的魯棒H￥控制器設(shè)計 8.4.1 模糊CMAC神經(jīng)網(wǎng)絡(luò)建模 8.4.2 魯棒H￥控制與穩(wěn)定性分析 8.5 實驗研究 8.5.1 實驗1 8.5.2 實驗2 8.5.3 實驗3 8.6 本章小結(jié) 第9章 移動機械臂的魯棒自適應(yīng)控制(2.4萬字) 9.1 引言 9.2 移動平臺子系統(tǒng)的魯棒自適應(yīng)控制 9.2.1 運動學控制器設(shè)計 9.2.2 基于動力學系統(tǒng)的Lyapunov函數(shù)設(shè)計 9.3 機械臂子系統(tǒng)的魯棒自適應(yīng)控制 9.4 移動機械臂的魯棒自適應(yīng)控制 9.4.1移動機械臂的Lyapunov函數(shù)設(shè)計 9.4.2 部分參數(shù)已知情況下魯棒自適應(yīng)控制器 9.4.3 全部參數(shù)均未知情況下魯棒自適應(yīng)控制器 9.5 仿真實驗 9.5.1 實驗1 9.5.2 實驗2 9.6 本章小結(jié) 第10章 應(yīng)用實例(正在撰寫，2.6萬字) 附錄A 移動機械臂的數(shù)學模型(1.4萬字) A.1 非完整約束與非完整系統(tǒng) A.2 非完整移動機器人 A.2.1 運動學模型 A.2.2 動力學模型 A.3 多關(guān)節(jié)機械臂 A.4 非完整移動機械臂的數(shù)學模型 A.4.1 整體控制模型 A.4.2 分散控制模型A.5 相關(guān)數(shù)學基礎(chǔ) A.6 本章小結(jié)