智能导航技术具有多学科交叉的鲜明特色，涉及信息科学、控制科学、机械工程、仪器科学、计算机科学等众多学科知识。机器人是最佳的智能导航技术研究载体，其中机器人感知、规划、控制等任务都与导航定位密切相关。 　　本书内容涵盖了机器人智能导航的概念与内涵、机器人导航的数学基础、基于模型的机器人自主导航方法、基于模型的机器人非自主导航方法、基于学习的机器人智能导航方法、多机器人协同导航技术以及机器人导航规划等基础知识。此外，为了提升实践性，本书还介绍了激光雷达与IMU融合同步定位与建图、未知环境自主探索与路径规划、多无人机协同导航等实践案例，可为学生掌握典型的室内外机器人导航技术提供基础，支撑学生开展机器人导航实践。 　　本书可作为普通高校机器人工程、自动化、导航工程、车辆工程和人工智能等专业的高年级本科生和研究生教材，也可作为相关领域工程技术人员的参考用书。 　　

高等院校教师

序
前言
第1章　绪论 1
1.1　机器人智能导航的概念与内涵 1
1.2　机器人智能导航的发展现状 2
1.2.1　环境测量感知与理解关键技术的发展 2
1.2.2　动态路径规划与决策关键技术的发展 13
1.3　本书章节的逻辑关系 16
本章小结 17
思考题与习题 18
参考文献 18
第2章　机器人导航的数学基础 25
2.1　机器人导航定位的概率描述与滤波方法 25
2.1.1　机器人状态估计与概率描述 25
2.1.2　贝叶斯滤波框架 28
2.1.3　典型的机器人导航滤波算法 30
2.2　机器人导航定位的刚体运动描述 34
2.2.1　平移运动的数学描述 34
2.2.2　旋转运动的数学描述 35
2.3　用李群与李代数描述机器人运动 40
2.3.1　李群SO(3)描述机器人姿态 40
2.3.2　李代数so(3)描述机器人姿态 41
2.3.3　李群SE(3)描述机器人位姿 42
2.3.4　李代数se(3)描述机器人位姿 42
2.4　非线性优化求解机器人位姿方法 44
2.4.1　非线性观测模型的建立 44
2.4.2　非线性模型的迭代优化求解 45
2.4.3　常用的非线性优化函数库 48
本章小结 49
思考题与习题 49
参考文献 49
第3章　基于模型的机器人自主导航方法 51
3.1　惯性导航 51
3.1.1　惯性导航微分方程 52
3.1.2　初始对准 55
3.1.3　捷联惯性导航解算 55
3.2　视觉建图与定位 58
3.2.1　光流估计 58
3.2.2　视觉特征提取 60
3.2.3　光束法平差 65
3.2.4　闭环检测 66
3.2.5　典型视觉建图与定位方法 68
3.3　激光建图与定位 69
3.3.1　激光雷达点云数据的获取与处理 69
3.3.2　迭代最近点算法 74
3.3.3　曲率特征提取与特征匹配 75
3.3.4　扫描匹配与位姿优化 76
3.4　多传感器组合导航 78
3.4.1　多传感器时空同步 78
3.4.2　基于滤波的多传感器组合导航算法 79
3.4.3　基于优化的多传感器组合导航算法 84
本章小结 87
思考题与习题 87
参考文献 87
第4章　基于模型的机器人非自主导航方法 89
4.1　卫星导航技术 89
4.1.1　卫星导航的基本原理 89
4.1.2　定位误差分析 91
4.1.3　卫星导航技术拓展 93
4.2　无线网络定位技术 96
4.2.1　无线网络定位技术简介 96
4.2.2　RSS信号采集与特性分析 97
4.2.3　无线网络指纹定位算法 99
4.3　蓝牙定位技术 100
4.3.1　蓝牙定位技术简介 100
4.3.2　蓝牙定位原理 101
4.3.3　蓝牙定位系统设计 103
4.4　射频识别定位技术 104
4.4.1　射频识别定位技术简介 104
4.4.2　射频识别定位原理 105
4.5　二维码定位技术 106
4.5.1　二维码简介 106
4.5.2　二维码识别算法 109
4.5.3　二维码定位原理 110
4.6　磁场定位技术 111
4.6.1　磁场定位技术简介 111
4.6.2　低频磁信号的产生与提取 112
4.6.3　多磁信标定位算法 113
本章小结 114
思考题与习题 114
参考文献 115
第5章　基于学习的机器人智能导航方法 116
5.1　基于学习的机器人智能导航基础 116
5.1.1　机器人学习算法概述 116
5.1.2　基于学习的机器人智能导航原理 118
5.1.3　学习算法在机器人导航中的问题和挑战 119
5.2　基于传统机器学习的智能导航方法 121
5.2.1　决策树导航策略 121
5.2.2　随机森林路径规划 123
5.2.3　支持向量机避障策略 125
5.3　基于深度学习的智能导航方法 127
5.3.1　基于深度学习的环境语义感知 128
5.3.2　基于深度学习的机器人状态估计 133
5.3.3　基于深度学习的同步定位与建图 135
5.4　基于强化学习的智能导航方法 139
5.4.1　基于值函数的强化学习导航 140
5.4.2　基于策略梯度的强化学习导航 143
5.4.3　基于深度强化学习方法的导航 145
本章小结 148
思考题与习题 148
参考文献 148
第6章　多机器人协同导航技术 150
6.1　多机器人协同导航状态估计架构 150
6.2　协同导航相对观测方式及协同导航算法 152
6.2.1　基于超宽带测距的协同导航算法 152
6.2.2　基于激光测距的协同导航算法 158
6.2.3　基于交叉视图的协同导航算法 160
6.3　多机器人协同导航时空一致性标定技术 162
6.3.1　多机器人时间一致性标定技术 162
6.3.2　多机器人空间一致性标定技术 163
6.4　多机器人协同导航系统案例 164
6.4.1　无人机集群协同导航系统 164
6.4.2　地面机器人协同导航系统 167
本章小结 170
思考题与习题 170
参考文献 170
第7章　机器人导航规划 172
7.1　地图表示 172
7.1.1　度量地图 172
7.1.2　拓扑地图 174
7.2　全局路径规划 175
7.2.1　A*规划算法 176
7.2.2　波前传播规划算法 177
7.2.3　快速扩展随机树算法 178
7.3　局部路径规划 179
7.3.1　避障控制 179
7.3.2　路径平滑 181
7.3.3　未知环境自主探索 183
7.3.4　TEB算法 185
本章小结 188
思考题与习题 189
参考文献 189
第8章　机器人智能导航实践 190
8.1　机器人操作系统简介 190
8.1.1　Ubuntu操作系统与ROS 190
8.1.2　ROS通信机制 193
8.1.3　ROS结构 196
8.1.4　Gazebo仿真环境 199
8.2　激光雷达与IMU融合同步定位与建图实验 199
8.2.1　实验设置 201
8.2.2　LOAM方法实践 204
8.3　未知环境自主探索与路径规划实验 205
8.3.1　实验设置 205
8.3.2　TARE方法实践 206
8.4　多无人机协同导航实验 207
8.4.1　实验设置 209
8.4.2　EGO-Swarm方法实践 210
本章小结 212
思考题与习题 212
参考文献 212