分  享 
分  享 
源  码 
源  码 
课  程 
课  程 
设  计 
设  计 

[其他] 【PDF教材】《概率机器人》高清中英文PDF版+课后答案

[复制链接]
密探007邮箱认证 OneDrive 认证 微信认证 发表于 2019-7-28 12:27:31 | 显示全部楼层 |阅读模式
「智能推荐」
【PDF教材】《ROS 机器人程序设计》(原书第2版)带目录PDF完整版 [53MB] 【PDF教材】《机器人来了:人工智能时代的人类生存法则》带目录高清PDF完整版

欢迎加入「奥学网」学霸平台,让自学改变你的世界!

您需要 登录 才可以下载或查看,没有帐号?账号注册

x
【PDF教材】《概率机器人》高清中英文PDF版+课后答案 - 奥学网
【PDF教材】《概率机器人》高清中英文PDF版+课后答案 - 奥学网
【PDF教材】《概率机器人》高清中英文PDF版+课后答案 - 奥学网
【PDF教材】《概率机器人》高清中英文PDF版+课后答案 - 奥学网
【PDF教材】《概率机器人》高清中英文PDF版+课后答案 - 奥学网
【PDF教材】《概率机器人》高清中英文PDF版+课后答案 - 奥学网

  《概率机器人》对概率机器人学这一新兴领域进行了全面的介绍。概率机器人学依赖统计技术表示信息和进行决策,以容纳当今大多数机器人应用中必然存在的不确定性,是机器人学的一个分支。它依赖统计技术表示信息和制定决策。这样做,可以接纳在当今大多数机器人应用中引起的不确定性。本书主要专注于算法,对于每种算法,均提供了四项内容:①伪码示例;②完整的数学推导;③实验结果;④算法优缺点的详细讨论。

  《概率机器人》包括了基础知识、定位、地图构建、规划与控制四大部分。本书共17章,每章的后都提供了练习题和动手实践的项目。相信本书可以加深读者对概率机器人学的认识。

  目录

  译者序

  原书前言

  致谢

  第Ⅰ部分 基础知识

  第1章 绪论 1

  1.1 机器人学中的不确定性 1

  1.2 概率机器人学 2

  1.3 启示 6

  1.4 本书导航 7

  1.5 概率机器人课程教学 7

  1.6 文献综述 8

  第2章 递归状态估计 10

  2.1 引言 10

  2.2 概率的基本概念 10

  2.3 机器人环境交互 14

  2.3.1 状态 15

  2.3.2 环境交互 16

  2.3.3 概率生成法则 18

  2.3.4 置信分布 19

  2.4 贝叶斯滤波 20

  2.4.1 贝叶斯滤波算法 20

  2.4.2 实例 21

  2.4.3 贝叶斯滤波的数学推导 23

  2.4.4 马尔可夫假设 25

  2.5 表示法和计算 25

  2.6 小结 26

  2.7 文献综述 26

  2.8 习题 27

  第3章 高斯滤波 29

  3.1 引言 29

  3.2 卡尔曼滤波 30

  3.2.1 线性高斯系统 30

  3.2.2 卡尔曼滤波算法 31

  3.2.3 例证 32

  3.2.4 卡尔曼滤波的数学推导 33

  3.3 扩展卡尔曼滤波 40

  3.3.1 为什么要线性化 40

  3.3.2 通过泰勒展开的线性化 42

  3.3.3 扩展卡尔曼滤波算法 44

  3.3.4 扩展卡尔曼滤波的数学推导 44

  3.3.5 实际考虑 46

  3.4 无迹卡尔曼滤波 49

  3.4.1 通过无迹变换实现线性化 49

  3.4.2 无迹卡尔曼滤波算法 50

  3.5 信息滤波 54

  3.5.1 正则参数 54

  3.5.2 信息滤波算法 55

  3.5.3 信息滤波的数学推导 56

  3.5.4 扩展信息滤波算法 57

  3.5.5 扩展信息滤波的数学推导 58

  3.5.6 实际考虑 59

  3.6 小结 60

  3.7 文献综述 61

  3.8 习题 62

  第4章 非参数滤波 64

  4.1 直方图滤波 64

  4.1.1 离散贝叶斯滤波算法 65

  4.1.2 连续状态 65

  4.1.3 直方图近似的数学推导 67

  4.1.4 分解技术 69

  4.2 静态二值贝叶斯滤波 70

  4.3 粒子滤波 72

  4.3.1基本算法 72

  4.3.2 重要性采样 75

  4.3.3 粒子滤波的数学推导 77

  4.3.4 粒子滤波的实际考虑和特性 79

  4.4 小结 85

  4.5 文献综述 85

  4.6 习题 86

  第5章 机器人运动 88

  5.1 引言 88

  5.2 预备工作 89

  5.2.1 运动学构型 89

  5.2.2 概率运动学 89

  5.3 速度运动模型 90

  5.3.1 闭式计算 91

  5.3.2 采样算法 92

  5.3.3 速度运动模型的数学推导 94

  5.4 里程计运动模型 99

  5.4.1 闭式计算 100

  5.4.2 采样算法 102

  5.4.3 里程计运动模型的数学推导 104

  5.5 运动和地图 105

  5.6 小结 108

  5.7 文献综述 109

  5.8 习题 110

  第6章 机器人感知 112

  6.1 引言 112

  6.2 地图 114

  6.3 测距仪的波束模型 115

  6.3.1 基本测量算法 115

  6.3.2 调节固有模型参数 119

  6.3.3 波束模型的数学推导 121

  6.3.4 实际考虑 126

  6.3.5 波束模型的局限 127

  6.4 测距仪的似然域 127

  6.4.1 基本算法 127

  6.4.2 扩展 130

  6.5 基于相关性的测量模型 131

  6.6 基于特征的测量模型 133

  6.6.1 特征提取 133

  6.6.2 地标的测量 133

  6.6.3 已知相关性的传感器模型 134

  6.6.4 采样位姿 135

  6.6.5 进一步的考虑 137

  6.7 实际考虑 137

  6.8 小结 138

  6.9 文献综述 139

  6.10 习题 139

  第Ⅱ部分 定 位

  第7章 移动机器人定位:马尔可夫与高斯 142

  7.1 定位问题的分类 144

  7.2 马尔可夫定位 146

  7.3 马尔可夫定位图例 147

  7.4 扩展卡尔曼滤波定位 149

  7.4.1 图例 149

  7.4.2 扩展卡尔曼滤波定位算法 151

  7.4.3 扩展卡尔曼滤波定位的数学推导 151

  7.4.4 物理实现 157

  7.5 估计一致性 161

  7.5.1 未知一致性的扩展卡尔曼滤波定位 161

  7.5.2 极大似然数据关联的数学推导 162

  7.6 多假设跟踪 164

  7.7 无迹卡尔曼滤波定位 165

  7.7.1 无迹卡尔曼滤波定位的数学推导 165

  7.7.2 图例 168

  7.8 实际考虑 172

  7.9 小结 174

  7.10 文献综述 175

  7.11 习题 176

  第8章 移动机器人定位:栅格与蒙特卡罗 179

  8.1 介绍 179

  8.2 栅格定位 179

  8.2.1 基本算法 179

  8.2.2 栅格分辨率 180

  8.2.3 计算开销 184

  8.2.4 图例 184

  8.3 蒙特卡罗定位 189

  8.3.1 图例 189

  8.3.2 蒙特卡罗定位算法 191

  8.3.3 物理实现 191

  8.3.4 蒙特卡罗定位特性 194

  8.3.5 随机粒子蒙特卡罗定位:失效恢复 194

  8.3.6 更改建议分布 198

  8.3.7 库尔贝克-莱布勒散度采样:调节样本集合大小 199

  8.4 动态环境下的定位 203

  8.5 实际考虑 208

  8.6 小结 209

  8.7 文献综述 209

  8.8习题 211

  第Ⅲ部分 地图构建

  第9章 占用栅格地图构建 213

  9.1 引言 213

  9.2 占用栅格地图构建算法 216

  9.2.1 多传感器信息融合 222

  9.3 反演测量模型的研究 223

  9.3.1 反演测量模型 223

  9.3.2 从正演模型采样 224

  9.3.3 误差函数 225

  9.3.4 实例与深度思考 226

  9.4 最大化后验占用地图构建 227

  9.4.1 维持依赖实例 227

  9.4.2 用正演模型进行占用栅格地图构建 228

  9.5 小结 231

  9.6 文献综述 231

  9.7 习题 232

  第10章 同时定位与地图构建 235

  10.1 引言 235

  10.2 基于扩展卡尔曼滤波的SLAM 237

  10.2.1 设定和假设 237

  10.2.2 已知一致性的SLAM问题 238

  10.2.3 EKF SLAM的数学推导 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 举例 247

  10.3.3 特征选择和地图管理 250

  10.4 小结 252

  10.5 文献综述 253

  10.6 习题 256

  第11章 GraphSLAM算法 258

  11.1 引言 258

  11.2 直觉描述 260

  11.2.1 建立图形 260

  11.2.2 推论 262

  11.3 具体的GraphSLAM算法 265

  11.4 GraphSLAM算法的数学推导 270

  11.4.1 全SLAM后验 271

  11.4.2 负对数后验 272

  11.4.3 泰勒表达式 272

  11.4.4 构建信息形式 273

  11.4.5 浓缩信息表 274

  11.4.6 恢复机器人路径 277

  11.5 GraphSLAM算法的数据关联 278

  11.5.1 未知一致性的GraphSLAM算法 279

  11.5.2 一致性测试的数学推理 281

  11.6 效率评价 283

  11.7 实验应用 284

  11.8 其他的优化技术 288

  11.9 小结 290

  11.10 文献综述 291

  11.11 习题 293

  第12章 稀疏扩展信息滤波 294

  12.1 引言 294

  12.2 直观描述 296

  12.3 SEIF SLAM算法 298

  12.4 SEIF的数学推导 301

  12.4.1 运动更新 301

  12.4.2 测量更新 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 稀疏化的数学推导 307

  12.6 分期偿还的近似地图恢复 308

  12.7 SEIF有多稀疏 310

  12.8 增量数据关联 313

  12.8.1 计算增量数据关联概率 313

  12.8.2 实际考虑 315

  12.9 分支定界数据关联 318

  12.9.1 递归搜索 318

  12.9.2 计算任意的数据关联概率 320

  12.9.3 等价约束 320

  12.10 实际考虑 322

  12.11 多机器人SLAM 325

  12.11.1 整合地图 326

  12.11.2 地图整合的数学推导 328

  12.11.3 建立一致性 329

  12.11.4 示例 329

  12.12 小结 332

  12.13 文献综述 333

  12.14 习题 334

  第13章 FastSLAM算法 336

  13.1 基本算法 337

  13.2 因子分解SLAM后验 338

  13.2.1 因式分解的SLAM后验的数学推导 339

  13.3 具有已知数据关联的FastSLAM算法 341

  13.4 改进建议分布 346

  13.4.1 通过采样新位姿扩展路径后验 346

  13.4.2 更新可观察的特征估计 348

  13.4.3 计算重要性系数 349

  13.5 未知数据关联 351

  13.6 地图管理 352

  13.7 FastSLAM算法 353

  13.8 高效实现 358

  13.9 基于特征的地图的 FastSLAM 360

  13.9.1 经验思考 360

  13.9.2 闭环 363

  13.10 基于栅格的FastSLAM算法 366

  13.10.1 算法 366

  13.10.2 经验见解 366

  13.11 小结 369

  13.12 文献综述 371

  13.13 习题 372

  第Ⅳ部分 规划与控制

  第14章 马尔可夫决策过程 374

  14.1 目的 374

  14.2 行动选择的不确定性 376

  14.3 值迭代 380

  14.3.1 目标和报酬 380

  14.3.2 为完全能观测的情况寻找最优控制策略 383

  14.3.3 计算值函数 384

  14.4 机器人控制的应用 387

  14.5 小结 390

  14.6 文献综述 391

  14.7 习题 392

  第15章 部分能观测马尔可夫决策过程 394

  15.1 动机 394

  15.2 算例分析 395

  15.2.1 建立 395

  15.2.2 控制选择 397

  15.2.3 感知 398

  15.2.4 预测 402

  15.2.5 深度周期和修剪 404

  15.3 有限环境POMDP算法 407

  15.4 POMDP的数学推导 409

  15.4.1 置信空间的值迭代 409

  15.4.2 值函数表示法 410

  15.4.3 计算值函数 410

  15.5 实际考虑 413

  15.6 小结 416

  15.7 文献综述 417

  15.8 习题 419

  第16章 近似部分能观测马尔可夫决策过程技术 421

  16.1 动机 421

  16.2 QMDP 422

  16.3 AMDP 423

  16.3.1 增广的状态空间 423

  16.3.2 AMDP算法 424

  16.3.3 AMDP的数学推导 426

  16.3.4 移动机器人导航应用 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的数学推导 433

  16.4.4 实际考虑 434

  16.5 小结 435

  16.6 文献综述 436

  16.7 习题 436

  第17章 探测 438

  17.1 介绍 438

  17.2 基本探测算法 439

  17.2.1 信息增益 439

  17.2.2 贪婪技术 440

  17.2.3 蒙特卡罗探测 441

  17.2.4 多步技术 442

  17.3 主动定位 442

  17.4 为获得占用栅格地图的探测 447

  17.4.1 计算信息增益 447

  17.4.2 传播增益 450

  17.4.3 推广到多机器人系统 452

  17.5 SLAM探测 457

  17.5.1 SLAM熵分解 457

  17.5.2 FastSLAM探测 458

  17.5.3 实验描述 460

  17.6 小结 462

  17.7 文献综述 463

  17.8 习题 466

  参考文献 468



 百度网盘 / Download(回复可见):
 The following hidden content members only. Join us 
游客,如果您要查看本帖隐藏内容请回复

 

 

楼 主 推 荐
sunkatlantis 发表于 2019-7-28 20:02:49 | 显示全部楼层
加油站加油.
回复 支持 反对

使用道具 举报

GGMeF 发表于 2019-7-29 01:43:18 | 显示全部楼层
顶顶顶支持支持支持.
回复 支持 反对

使用道具 举报

粑粑魔君 发表于 2019-7-29 04:10:43 | 显示全部楼层
必须顶.
回复 支持 反对

使用道具 举报

jack_zhao微信认证 OneDrive 认证 邮箱认证 发表于 2019-7-29 21:22:34 | 显示全部楼层
感谢楼主,人工智能的时代从这里启航,收下了
回复 支持 反对

使用道具 举报

kyFI 发表于 2019-7-30 15:51:59 | 显示全部楼层
#无语.
回复 支持 反对

使用道具 举报

gmnIWb 发表于 2019-8-8 04:51:26 | 显示全部楼层
顶一个.
回复 支持 反对

使用道具 举报

p08l 发表于 2019-8-9 02:56:42 | 显示全部楼层
这不是灌水,这不是灌水,这不是灌水…….
回复 支持 反对

使用道具 举报

EfGBa 发表于 2019-8-11 13:13:40 | 显示全部楼层
寂寞空虚冷,喜欢高兴爱,羡慕嫉妒恨,我一下子全都有了…….
回复 支持 反对

使用道具 举报

YjCB 发表于 2019-8-15 05:36:32 | 显示全部楼层
好帖坏帖,一眼就看出去.
回复 支持 反对

使用道具 举报

快速回复 收藏帖子 返回列表
加密...

Try it|SiteMap|奥学网

E-mail: [email protected]

Xtreme-aesthetic Design

© 2012~Now 6SO.SO

快速回复 返回顶部 返回列表