目錄
前言
縮略語
第1章 緒論 1
1.1 智能無人系統(tǒng)概述 1
1.2 多運動體智能無人系統(tǒng)協同導航與控制研究現狀 7
1.2.1 多運動體智能無人系統(tǒng)體系架構簡介 7
1.2.2 網絡通信系統(tǒng)簡介 8
1.2.3 高穿透力低頻磁場及測距測向方法研究現狀 9
1.2.4 協同定位算法研究現狀 12
1.2.5 SLAM研究現狀 16
1.2.6 智能規(guī)劃與編隊控制研究現狀.19
1.3 多運動體智能無人系統(tǒng)關鍵問題 24
1.3.1 測距測向關鍵問題 24
1.3.2 協同定位與導航關鍵問題 25
1.3.3 同時定位與地圖協同構建關鍵問題 25
1.3.4 智能規(guī)劃與編隊控制關鍵問題 26
1.4 內容與章節(jié)安排 26
第2章 無線電傳感器及測距測向 28
2.1 無線電傳感器 28
2.1.1 信號強度類無線電傳感器 28
2.1.2 信號傳輸類無線電傳感器 29
2.2 無線電測距方法 31
2.2.1 基于接收信號強度指示的無線電測距方法 31
2.2.2 基于TOF偽距的無線電測距方法 33
2.2.3 UWB多節(jié)點自組織互測距方法 49
2.3 無線電測向方法 63
2.3.1 基于比幅法的無線電測向方法 63
2.3.2 基于干涉儀法的無線電測向方法 64
2.3.3 基于空間譜法的無線電測向方法 72
2.4 本章小結 82
第3章 高穿透力低頻磁場測距測向 83
3.1 磁傳感器簡介與磁信標測距測向原理 83
3.1.1 磁傳感器簡介 83
3.1.2 基于高穿透低頻磁場的磁信標測距測向原理 86
3.2 磁信標磁場分布模型及分析 89
3.2.1 電磁信標磁場分布模型 90
3.2.2 基于旋轉永磁體的磁信標磁場分布模型分析 96
3.3 磁信標測距測向方法 99
3.3.1 單磁信標測距測向方法 99
3.3.2 多磁信標測距測向方法 109
3.3.3 磁傳感器陣列測距測向方法 112
3.4 磁測距測向信號辨識方法 114
3.4.1 磁場信號噪聲分析 115
3.4.2 基于諧波小波和自適應譜線增強的信號辨識方法 116
3.4.3 低信噪比正弦信號辨識實驗 121
3.5 磁測距測向誤差分析124
3.5.1 磁信標結構誤差分析 124
3.5.2 磁強計與全局坐標系未對齊誤差分析 127
3.5.3 磁矩及傳播介質誤差分析 128
3.5.4 基于磁場方向向量的磁信標標定方法 129
3.6 本章小結 134
第4章 多運動體協同定位 135
4.1 多運動體協同定位建模 135
4.1.1 單運動體和多運動體運動學模型 135
4.1.2 相對距離和相對方位量測模型 138
4.1.3 多運動體協同定位原理與模型 139
4.2 基于濾波的協同定位算法 145
4.2.1 基于EKF的協同定位算法 145
4.2.2 基于UKF的協同定位算法 147
4.2.3 基于CKF的協同定位算法 149
4.2.4 仿真驗證 151
4.3 協同定位系統(tǒng)性能分析及節(jié)點選取方法 153
4.3.1 協同定位系統(tǒng)誤差傳播機理分析 154
4.3.2 協同定位系統(tǒng)可觀測性分析 164
4.3.3 協同定位系統(tǒng)克拉默-拉奧下界分析 171
4.3.4 協同定位節(jié)點選取算法 179
4.4 基于Huber估計的魯棒協同定位算法 187
4.4.1 異常數據鑒別算法 187
4.4.2 魯棒協同定位算法 189
4.4.3 仿真驗證 193
4.5 基于噪聲自適應的協同定位算法 194
4.5.1 Myers-Tapley自適應算法 195
4.5.2 漸消記憶統(tǒng)計自適應算法 196
4.5.3 仿真驗證 197
4.6 基于時延補償的協同定位算法 199
4.6.1 基于測距測角的協同定位算法 199
4.6.2 時間延遲誤差分析 200
4.6.3 基于慣性信息輔助的時延補償算法 203
4.7 本章小結 205
第5章 同時定位與地圖協同構建 207
5.1 同時定位與地圖構建算法 207
5.1.1 SLAM簡介與定位原理 207
5.1.2 三維空間剛體運動與位姿表示 208
5.1.3 相機成像模型 212
5.1.4 SLAM地圖 214
5.1.5 視覺/慣性SLAM.216
5.1.6 激光雷達/視覺/慣性SLAM 225
5.2 協同SLAM中的數據關聯 234
5.2.1 協同SLAM中的數據關聯問題描述 234
5.2.2 集中式數據關聯與分布式數據關聯 237
5.2.3 關聯沖突的分布式檢測與消除 239
5.2.4 仿真驗證 242
5.3 多運動體協同視覺SLAM 243
5.3.1 個體SLAM信息交換接口的規(guī)范化 243
5.3.2 子地圖拼接與融合 245
5.3.3 基于詞袋模型的重疊區(qū)域檢測 250
5.3.4 中心化協同SLAM 253
5.3.5 實驗驗證 254
5.4 本章小結 258
第6章 智能協同編隊與路徑規(guī)劃 259
6.1 基于共情理論的編隊隊形選擇方法 259
6.1.1 人工共情理論 259
6.1.2 基于共情效用模型的大規(guī)模編隊隊形選擇方法 282
6.2 基于概率推理的編隊運動規(guī)劃方法 291
6.2.1 全局編隊規(guī)劃方法 291
6.2.2 基于概率推理的軌跡生成方法 293
6.2.3 仿真與實驗驗證 295
6.3 基于仿射變換的協同編隊控制方法 299
6.3.1 仿射變換理論 299
6.3.2 基于仿射變換的有限時間抗擾動協同編隊控制方法 303
6.3.3 基于仿射變換的抗飽和協同編隊控制方法 312
6.4 基于強化學習的動態(tài)環(huán)境路徑規(guī)劃方法 317
6.4.1 動態(tài)環(huán)境路徑規(guī)劃問題描述 317
6.4.2 路徑規(guī)劃MDP模型 317
6.4.3 Dyna-Q算法及其改進 318
6.4.4 仿真與實驗驗證 321
6.5 基于強化學習的協同路徑規(guī)劃方法 326
6.5.1 協同路徑規(guī)劃問題描述 326
6.5.2 分布式強化學習協同路徑規(guī)劃方法及仿真驗證 327
6.6 本章小結 336
參考文獻 337