机器人学的状态估计中文版PDF电子书免费下载

资料大小: 5.22 MB

所需积分: 2

下载次数:

用户评论: 0条评论,查看

上传日期: 2020-08-25

上 传 者: 阔_2e3他上传的所有资料

资料介绍

标签:机器人(15312)滤波器(3347)传感器(19941)

  我个⼈的研究⽅向是移动机器⼈学,特别是⽤于空间探索的那⼀类机器⼈。在研究过程中,我对状态估计问题产⽣了浓厚的兴趣。在这个领域中,有⼀个⼴为⼈知的研究⽅向:概率机器人(probabilistic roboTIcs)。近年来⼈们对它的关注不断增长,随着计算资源的⽇渐廉价,数码相机、激光测距仪等⼤ 量新型传感器技术的不断涌现,机器⼈学,作为⼀个前沿研究⽅向,已经在状态估计领域中,产⽣了 ⼤量激动⼈⼼的新思想、新动态。机器⼈学也是最先将贝叶斯滤波器应⽤于实际场合的领域。所谓贝叶斯滤波器,事实上是著名的卡尔曼滤波器更为⼀般的形式。在短短的⼏年中,移动机器⼈的研究⽅法,已经从贝叶斯滤波器⾛向批量的⾮线性优化⽅法,取得了丰硕的成果。就我⽽⾔,我的研究⽅向主要是室外机器⼈导航,所以经常会遇到⼀些三维空间中运动车辆的问题。于是,我们将在本书详细地谈论三维空间中的状态估计问题。特别地,对于三维的旋转和姿态,我们将⽤简单实⽤的矩阵李群的⽅式处理它们。为了读懂本书,读者需要有本科⽣⽔平的线性代数和微积分知识,不过即使没有,本书也⾃成⼀个体系。我希望这部分介绍对读者有所帮助,同时,教学相长,我亦在写作过程中受益匪浅。

  机器⼈学,本质上研究的是世界中运动物体的问题。机器⼈的时代已经来临:⽕星车正在太空探索,⽆⼈机正在地表巡航,很快,⾃动驾驶汽车亦将闯⼊眼帘。尽管每种机器⼈的功能各异,然⽽在实际应⽤中,它们往往会⾯对⼀些共同的问题——状态估计(state esTImaTIon)和控制(control)。机器⼈的状态,是指⼀组完整描述它随时间运动的物理量,⽐如位置,⾓度和速度。本书重点关注机器⼈的状态估计,控制的问题则不在讨论之列。控制的确⾮常重要——我们希望机器⼈按照给定的要求⼯作,但⾸要的⼀步乃是确定它的状态。⼈们往往低估了真实世界中状态估计问题的难度,⽽ 我们要指出,⾄少应该把状态估计与控制放在同等重要的地位。本书中,我们先介绍受⾼斯噪声影响下的线性系统状态估计中的经典结论。然后,我们介绍如何将它们拓展到⾮⾼斯⾮线性系统下。与经典的估计理论教程不同,我们会详细讲解三维空间机器⼈的状态估计,并对旋转采⽤更具针对性的⽅法。本章的其余部分将简单介绍⼀些估计理论的历史,讨论不同类型的传感器与测量⼿段,最后引出什么是状态估计问题。本章的内容可以看成对全书内容的概述。末尾会介绍本书的结构,并推荐⼀些相关的阅读材料。

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