移動(dòng)作業(yè)機(jī)器人感知、規(guī)劃與控制

第1章 緒論 (正在撰寫，2萬(wàn)字) 第 2 章攝像機(jī)自標(biāo)定(4.5萬(wàn)字) 2.1 引言 2.2 空間幾何變換與攝像機(jī)透視投影模型 2.2.1 空間幾何變換 2.2.2 相機(jī)透視投影模型 2.2.3 無(wú)窮遠(yuǎn)平面 2.3 攝像機(jī)自標(biāo)定主要方法 2.3.1 利用對(duì)偶二次曲面的自標(biāo)定方法 2.3.2 利用Kruppa 方程的自標(biāo)定方法 2.3.3 分層求解的自標(biāo)定方法 2.4 等角度圓周運(yùn)動(dòng)下的攝像機(jī)自標(biāo)定 2.4.1 幀間等角度圓周運(yùn)動(dòng)約束下的無(wú)窮遠(yuǎn)平面成像 2.4.2 連續(xù)幀優(yōu)化求解無(wú)窮遠(yuǎn)平面坐標(biāo)2.4.3 仿真實(shí)驗(yàn)結(jié)果與分析 2.5 利用環(huán)境中直線進(jìn)行攝像機(jī)在線自標(biāo)定方法 2.5.1 利用消影點(diǎn)進(jìn)行攝像機(jī)標(biāo)定的基本原理 2.5.2 曼哈頓場(chǎng)景下的消影點(diǎn)估計(jì) 2.5.3 準(zhǔn)曼哈頓場(chǎng)景下的直線擬合 2.5.4 長(zhǎng)度加權(quán)的消影點(diǎn)估計(jì) 2.6 實(shí)驗(yàn)結(jié)果及分析 2.7 本章小結(jié) 參考文獻(xiàn) 第 3 章分辨率自適應(yīng)的目標(biāo)檢測(cè)(2.1萬(wàn)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(biāo)檢測(cè)方法 3.3 主要數(shù)學(xué)表示 3.4 數(shù)學(xué)模型 3.4.1 散度項(xiàng) 3.4.2 判別項(xiàng) 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(xiàng) 3.5.2 小化散度項(xiàng) 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(shí)驗(yàn)結(jié)果與分析 3.8 本章小結(jié) 參考文獻(xiàn) 第 4 章基于多模態(tài)和多任務(wù)學(xué)習(xí)的目標(biāo)識(shí)別(4萬(wàn)字) 4.1 引言 4.2 多核嵌入的測(cè)度學(xué)習(xí) 4.2.1 測(cè)度學(xué)習(xí)基本原理 4.2.2 加權(quán)映射連接的多核嵌入測(cè)度學(xué)習(xí)模型 4.2.2 模型優(yōu)化求解方法 4.2.3 實(shí)驗(yàn)結(jié)果與算法分析 4.3 樹(shù)結(jié)構(gòu)嵌入的多任務(wù)-多模態(tài)學(xué)習(xí) 4.3.1 結(jié)構(gòu)化稀疏引導(dǎo)范數(shù)基本知識(shí)及其在機(jī)器學(xué)習(xí)中的應(yīng)用4.3.2 樹(shù)結(jié)構(gòu)嵌入的多任務(wù)-多模態(tài)學(xué)習(xí)模型 4.3.3 模型優(yōu)化求解 4.3.4 實(shí)驗(yàn)結(jié)果與算法分析 4.4 本章小結(jié) 參考文獻(xiàn) 第 5 章自主移動(dòng)機(jī)器人的神經(jīng)動(dòng)力學(xué)運(yùn)動(dòng)規(guī)劃(2.1萬(wàn)字) 5.1 引言 5.2 神經(jīng)動(dòng)力學(xué)的基本概念 5.2.1 神經(jīng)動(dòng)力學(xué)的基本原理 5.2.2 神經(jīng)動(dòng)力學(xué)的特點(diǎn) 5.2.3 神經(jīng)動(dòng)力學(xué)在極限情況下的問(wèn)題 5.3 問(wèn)題描述 5.4 基于神經(jīng)動(dòng)力學(xué)的運(yùn)動(dòng)規(guī)劃方法設(shè)計(jì) 5.4.1 改進(jìn)型神經(jīng)動(dòng)力學(xué)運(yùn)動(dòng)規(guī)劃 5.4.2 性能分析 5.4.3 仿真實(shí)驗(yàn) 5.5 本章小結(jié) 參考文獻(xiàn)第6 章自主移動(dòng)機(jī)器人的采樣運(yùn)動(dòng)規(guī)劃(2.9萬(wàn)字) 6.1 引言 6.2 采樣運(yùn)動(dòng)規(guī)劃的基本概念 6.2.1 采樣運(yùn)動(dòng)規(guī)劃的基本原理 6.2.2 采樣運(yùn)動(dòng)規(guī)劃的特點(diǎn) 6.3 局部環(huán)境增量采樣運(yùn)動(dòng)規(guī)劃設(shè)計(jì) 6.3.1 問(wèn)題描述 6.3.2 主要方法 6.3.3 性能分析 6.4 仿真與實(shí)驗(yàn)分析 6.4.1 仿真對(duì)比及分析 6.4.2 極限情況下仿真驗(yàn)證 6.4.3 實(shí)驗(yàn)驗(yàn)證 6.5 本章小結(jié) 參考文獻(xiàn) 第7章 移動(dòng)機(jī)械臂的神經(jīng)網(wǎng)絡(luò)滑?？刂?2.2萬(wàn)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(diǎn) 7.2.3 變結(jié)構(gòu)控制的抖振問(wèn)題 7.3 滑模跟蹤控制器設(shè)計(jì) 7.3.1 問(wèn)題描述 7.3.2 滑?？刂破髟O(shè)計(jì) 7.3.3 仿真實(shí)驗(yàn) 7.4 基于神經(jīng)網(wǎng)絡(luò)的滑模跟蹤控制器設(shè)計(jì) 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(xué)習(xí)算法設(shè)計(jì) 7.4.3 仿真實(shí)驗(yàn) 7.5 本章小結(jié) 第8章 移動(dòng)機(jī)械臂的模糊CMAC建模與魯棒H￥控制(1.8萬(wàn)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(wèn)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(jì) 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(shí)驗(yàn)研究 8.5.1 實(shí)驗(yàn)1 8.5.2 實(shí)驗(yàn)2 8.5.3 實(shí)驗(yàn)3 8.6 本章小結(jié) 第9章 移動(dòng)機(jī)械臂的魯棒自適應(yīng)控制(2.4萬(wàn)字) 9.1 引言 9.2 移動(dòng)平臺(tái)子系統(tǒng)的魯棒自適應(yīng)控制 9.2.1 運(yùn)動(dòng)學(xué)控制器設(shè)計(jì) 9.2.2 基于動(dòng)力學(xué)系統(tǒng)的Lyapunov函數(shù)設(shè)計(jì) 9.3 機(jī)械臂子系統(tǒng)的魯棒自適應(yīng)控制 9.4 移動(dòng)機(jī)械臂的魯棒自適應(yīng)控制 9.4.1移動(dòng)機(jī)械臂的Lyapunov函數(shù)設(shè)計(jì) 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(shí)驗(yàn) 9.5.1 實(shí)驗(yàn)1 9.5.2 實(shí)驗(yàn)2 9.6 本章小結(jié) 第10章 應(yīng)用實(shí)例(正在撰寫，2.6萬(wàn)字) 附錄A 移動(dòng)機(jī)械臂的數(shù)學(xué)模型(1.4萬(wàn)字) A.1 非完整約束與非完整系統(tǒng) A.2 非完整移動(dòng)機(jī)器人 A.2.1 運(yùn)動(dòng)學(xué)模型 A.2.2 動(dòng)力學(xué)模型 A.3 多關(guān)節(jié)機(jī)械臂 A.4 非完整移動(dòng)機(jī)械臂的數(shù)學(xué)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(xué)基礎(chǔ) A.6 本章小結(jié)