本书以移动机器人感测器系统的信息获取、融合补偿，异常诊断与预测，以及多机器人间的任务规划作为研究内容，书中阐述了移动机器人的感知感测器毫米波雷达、雷射雷达与摄像机间的信息获取、融合补偿技术，给出了组合导航系统的异常诊断与预测方法，实现了多机器人间的均衡任务分配与最优路径规划。 本书可作为高等院校智慧型科学与技术、自动化、计算机科学与技术等专业的研究生或高年级本科生的专业基础课辅助教材，亦可供广大从事智慧型机器人、人工智慧、智慧型控制和智慧型系统研究、设计、套用领域的科研与工程人员提供参考。

第1章 绪论 1

1.1 多感测器系统信息融合研究现状 2

1.2 移动机器人感测器系统异常诊断研究现状 5

1.3 多机器人任务规划的研究现状与发展趋势 6

1.3.1 多机器人任务分配 7

1.3.2 多机器人路由规划 9

1.4 本书章节安排 10

本章参考文献 13

第2章 基于毫米波雷达的动态障碍信息获取技术 21

2.1 毫米波雷达特性 22

2.1.1 毫米波雷达的工作频率 23

2.1.2 毫米波雷达的调製方式 24

2.1.3 动态障碍信息的获取原理 26

2.1.4 ESR测向方案 29

2.2 基于动态目标的自主车辅助防撞系统设计 30

2.2.1 安全距离模型设计 31

2.2.2 降低虚警率的防撞系统设计 39

2.3 自主车辅助防撞系统的硬体设计 42

2.3.1 辅助防撞系统框架 42

2.3.2 车载雷达选型及其安装 43

2.4 自主车辅助防撞系统的软体设计与实现 46

2.4.1 安全模型参数的选择 46

2.4.2 总体框架设计 48

2.4.3 子模组的实现 49

2.4.4 弯道处理 57

2.4.5 软体的调试与结果分析 57

本章参考文献 60

第3章 雷射雷达与毫米波雷达的路况信息补偿方法 64

3.1 雷射雷达特性及其工作原理 65

3.2 雷达信息提取 67

3.2.1 静态环境信息提取方法 68

3.2.2 动态障碍物信息提取 72

3.3 毫米波雷达与雷射雷达融合与补偿的技术 78

3.3.1 雷射雷达与毫米波雷达数据融合方案 78

3.3.2 雷射雷达动态信息数据补偿方案 82

3.4 雷射雷达与毫米波雷达路况信息补偿系统实现 83

3.4.1 总体框架设计 83

3.4.2 各子模组的实现 84

3.4.3 软体的调试与结果分析 98

本章参考文献 100

第4章 基于雷射雷达与摄像机的异质感测器信息融合与补偿 101

4.1 光学视觉系统 103

4.2 数据採集及预处理 103

4.2.1 雷射雷达数据採集及预处理 104

4.2.2 摄像机数据採集 104

4.3 雷射雷达与摄像机补偿系统平台搭建 105

4.4 雷射雷达和摄像机的数据融合与补偿方法 107

4.4.1 深度图像的坐标变换 107

4.4.2 摄像机标定 112

4.4.3 雷射雷达和摄像机的数据层融合与补偿 114

4.5 基于CAMLASER系列工具的摄像机内部参数标定 120

4.6 数据融合参数估计与最佳化 123

4.6.1 实验数据特徵点的提取 123

4.6.2 融合参数的估计与最佳化 126

4.6.3 误差分析 129

4.7 实时数据处理及显示 130

4.7.1 雷射雷达数据採集及显示 131

4.7.2 摄像机数据採集及显示 133

4.7.3 数据同步採集及实时数据融合 134

4.7.4 实时性分析 136

4.8 离线仿真及数据存储 137

4.8.1 数据存储 137

4.8.2 离线仿真 139

本章参考文献 141

第5章 机器人航迹推算系统的异常诊断与主动容错估计方法 143

5.1 机器人航迹推算系统异常诊断问题 144

5.2 基于模糊逻辑粒子滤波器的航迹推算系统硬软故障

诊断方法 145

5.2.1 硬故障和软故障描述 146

5.2.2 自适应故障空间 146

5.2.3 模糊诊断设计 147

5.2.4 模糊诊断粒子滤波器算法描述 150

5.3 机器人航迹推算系统硬软故障诊断仿真分析 153

5.3.1 实验结果分析 154

5.3.2 仿真验证设计 160

5.4 自学习採样粒子滤波器的不完备空间互动诊断 163

5.4.1 自学习採样 164

5.4.2 自学习採样与诊断机制动态互动最佳化粒子数 166

5.4.3 基于边缘分布与信度的故障决策条件及其数学依据 168

5.4.4 自学习採样粒子滤波器的不完备空间动态互动

故障诊断步骤 171

5.5 自学习採样粒子滤波器算法分析与讨论 173

5.5.1 非线性故障诊断模型仿真分析 173

5.5.2 航迹推算混合系统模型故障诊断实验分析 176

5.6 基于联邦滤波的多感测器主动容错估计方法 180

5.6.1 联邦滤波器结构 181

5.6.2 联邦滤波算法 182

5.6.3 基于联邦滤波器的故障检测及其容错方法 184

5.6.4 仿真实验分析 186

5.6.5 基于联邦滤波的组合导航系统实验分析 191

本章参考文献 195

第6章 机器人航迹推算系统的故障预测方法 201

6.1 粒子滤波器故障预测的基本原理 201

6.2 基于粒子滤波器的机器人航迹推算系统的故障预测方法 207

6.2.1 领域约束 208

6.2.2 故障模式间转移机率参数的设定 209

6.2.3 仿真实验与结果分析 211

6.3 基于粒子滤波器与支持向量机融合框架的故障预测 217

6.3.1 支持向量机的基本原理 217

6.3.2 基于SVM的加权故障机率预测方法 219

6.3.3 利用残差改进粒子滤波器的故障预测方法 222

6.3.4 基于PF与SVM融合框架的故障预测方法 224

6.4 几种粒子滤波器故障预测方法的实验分析 226

6.4.1 粒子滤波器故障预测仿真软体 226

6.4.2 几种预测方法的分析与讨论 228

本章参考文献 233

第7章 基于群智慧型算法的多移动机器人任务规划方法 234

7.1 蚁群算法求解多机器人任务探测 235

7.1.1 多机器人探测任务规划问题描述 235

7.1.2 蚁群算法在多机器人任务探测中的套用 236

7.1.3 均分点蚁群算法求解多机器人负载均衡任务探测 248

7.1.4 多机器人团队生成的複杂任务探测算法 256

7.2 基于当代学习自适应离散粒子群算法的多机器人任务分配 263

7.2.1 多机器人任务分配问题的提出 263

7.2.2 混合离散粒子群变异最佳化策略选取 264

7.2.3 当代学习自适应混合离散粒子群算法 273

7.2.4 最小失败机率多机器人任务分配实验分析 279

7.3 基于空间正交分配异质文化混合算法的多机器人

随机增量任务规划 286

7.3.1 基于异质互动式文化混合算法的移动机器人

路由规划 286

7.3.2 空间正交分配异质文化混合算法在多机器人

任务规划中的套用 296

7.3.3 多机器人随机增量任务规划仿真分析 307

本章参考文献 313

第8章 总结与展望 317

8.1 异质感测器信息融合与补偿方法总结与展望 317

8.2 机器人感测器系统异常诊断与预测总结分析 319

8.3 多机器人任务规划方法的总结与展望 321