机器人的状态估计方法PDF电子书免费下载

资料大小: 4.51 MB

所需积分: 2

下载次数:

用户评论: 0条评论,查看

上传日期: 2019-11-12

上 传 者: 阔_2e3他上传的所有资料

资料介绍

标签:机器人(11731)滤波器(2770)

本书将首先介绍一些经典的估计方法,可用于线性高斯系统; 然后将介绍一些像非线性系统与非高斯噪声的扩展方法; 还会开个小差,介绍如何讲状态估计结果用于在三维世界中操控机器人,提倡一种处理 旋转的方式

  我对状态估计的兴趣源于移动机器人领域,特别是空间探索领域。在移动机器人学中,被称为概率机器人学的研究出现了爆炸式的发展。随着计算资源变得非常便宜,以及数码相机和激光测距仪等丰富的新传感技术的出现,机器人技术一直处于发展状态估计领域令人兴奋的新思想的前沿。

  特别是,这一领域可能是第一个发现所谓的Bayes滤波器的实际应用,这是一种比著名的Kalman滤波器更通用的技术。在过去的几年里,移动机器人甚至已经开始超越Bayes滤波到批处理、基于非线性优化的技术,取得了非常有希望的结果。因为我最感兴趣的领域是机器人在户外环境中的导航,所以我经常面对在三维环境中运行的车辆。因此,我试图提供一个详细的研究如何在三维中进行状态估计。特别是,我展示了如何使用矩阵李群以简单实用的方式处理旋转和姿势。读者应该有本科线性代数和微积分的背景,否则,这本书是相当独立的。我希望这些页面的读者能找到有用的东西;我知道我在创建它们的过程中学到了很多东西。我在整本书的空白处提供了一些历史笔记,主要是以一些研究人员的传记草图的形式,这些研究人员以各种概念和技术命名;我主要使用维基百科作为这些信息的来源。此外,第6章(直到交替旋转参数化)的第一部分介绍了三维几何,主要是基于多伦多大学航空航天研究所的Chris Damaren最初制作的注释。这本书不可能没有许多出色的研究生的合作一路走来。Paul Furgale的博士论文通过介绍矩阵李群在描述姿势方面的用途,极大地扩展了我对矩阵李群的理解;这使我们开始了一段有趣的旅程,了解了变换矩阵的细节以及如何在估计问题中有效地使用它们。保罗后来的工作使我对连续时间估计感兴趣。Chi Hay Tong博士论文向我介绍了高斯过程在估计理论中的应用,他极大地帮助我研究了本文中提出的连续时间方法的细节;我在大学休学期间,通过与阿尔托大学的Simo s–arkk–a的合作,进一步提高了我在这方面的知识牛津大学的。此外,我通过与肖恩·安德森、帕特里克·卡尔、杭东、安德鲁·兰伯特、基思·梁、科林·麦克马纳斯和布莱登·斯坦宁合作,学到了很多东西;他们的每一个项目都增加了我对国家评估的理解。尤其是科林,他几次鼓励我把我在研究生课程中关于国家评估的笔记写成这本书。我感谢加布里埃尔·德勒特罗蒂奥,他让我走上了在动力学背景下研究旋转和参考系的道路;他给我展示的许多工具都毫不费力地转移到了状态估计上。他还教会了我干净,明确的符号的重要性。最后,感谢所有阅读并指出本书草稿错误的人,特别是发现许多错别字的马克·格兰特和舒华仔,以及自愿阅读并提供评论的詹姆斯·福布斯。

用户评论

查看全部 条评论

发表评论请先 , 还没有账号?免费注册

发表评论

用户评论
技术交流、我要发言! 发表评论可获取积分! 请遵守相关规定。
上传电子资料