第1章 緒論
第2章 基本技術(shù)
2.1 粒子濾波器概述
2.1.1 基于粒子濾波器的移動(dòng)機(jī)器人定位
2.2 柵格地圖
2.2.1 占用概率地圖構(gòu)建方法
2.2.2 激光測(cè)距傳感器模型
2.2.3 聲納傳感器模型
2.2.4 反射概率地圖構(gòu)建方法
第一部分 機(jī)器人位姿已知的探索
第3章 基于決策論的覆蓋率地圖探索
3.1 概述
3.2 覆蓋率地圖的定義
3.3 基于傳感器輸入的覆蓋率地圖更新
3.4 基于決策論的覆蓋率地圖探索

第1章 緒論

第2章 基本技術(shù)
2.1 粒子濾波器概述
2.1.1 基于粒子濾波器的移動(dòng)機(jī)器人定位
2.2 柵格地圖
2.2.1 占用概率地圖構(gòu)建方法
2.2.2 激光測(cè)距傳感器模型
2.2.3 聲納傳感器模型
2.2.4 反射概率地圖構(gòu)建方法

第一部分 機(jī)器人位姿已知的探索
第3章 基于決策論的覆蓋率地圖探索
3.1 概述
3.2 覆蓋率地圖的定義
3.3 基于傳感器輸入的覆蓋率地圖更新
3.4 基于決策論的覆蓋率地圖探索
3.4.1 選擇最近的目標(biāo)位置
3.4.2 基于信息增益的探索
3.4.3 在局部窗口中使用IG
3.4.4 IG和CL的結(jié)合（IG-CL）
3.5 基于占用柵格地圖的探索
3.6 實(shí)驗(yàn)結(jié)果
3.6.1 帶噪聲傳感器的建圖
3.6.2 觀測(cè)點(diǎn)選擇策略的比較
3.6.3 掃描計(jì)數(shù)方法的優(yōu)點(diǎn)
3.7 相關(guān)工作
3.8 結(jié)論
第4章 多機(jī)器人協(xié)作探索
4.1 概述
4.2 機(jī)器人團(tuán)隊(duì)協(xié)作探索
4.2.1 到達(dá)目標(biāo)位置的代價(jià)
4.2.2 邊界單元的效用計(jì)算
4.2.3 目標(biāo)點(diǎn)的選擇
4.2.4 通信范圍有限時(shí)的協(xié)作
4.3 移動(dòng)機(jī)器人團(tuán)隊(duì)的協(xié)作建圖
4.4 實(shí)驗(yàn)結(jié)果
4.4.1 移動(dòng)機(jī)器人團(tuán)隊(duì)探索
4.4.2 非協(xié)作探索與協(xié)作探索的比較
4.4.3 仿真實(shí)驗(yàn)
4.4.4 有限通信范圍下的探索
4.5 與其他協(xié)作技術(shù)的比較
4.5.1 基于匈牙利算法的目標(biāo)分配
4.5.2 使用優(yōu)先級(jí)策略的機(jī)器人團(tuán)隊(duì)協(xié)作
4.5.3 通過(guò)解決TsP來(lái)進(jìn)行機(jī)器人團(tuán)隊(duì)協(xié)作
4.6 相關(guān)工作
4.7 小結(jié)
第5章 基于語(yǔ)義地標(biāo)的多機(jī)器人探索
5.1 概述
5.2 語(yǔ)義地標(biāo)
5.3 目標(biāo)位置的地標(biāo)估計(jì)
5.4 采用語(yǔ)義地標(biāo)信息的高效多機(jī)器人探索
5.5 實(shí)驗(yàn)結(jié)果
5.5.1 使用語(yǔ)義地點(diǎn)信息改進(jìn)性能
5.5.2 語(yǔ)義地點(diǎn)信息中的噪聲影響
5.5.3 在新環(huán)境中應(yīng)用訓(xùn)練好的分類(lèi)器
5.5.4 改進(jìn)的HMM濾波及分類(lèi)器的誤差分析
5.6 相關(guān)工作
5.7 小結(jié)

第二部分 機(jī)器人位姿未知的建圖和探索
第6章 高效的Rao-Blackwellized建圖技術(shù)
6.1 概述
6.2 Ra0-Blackwellized建圖概念
6.3 改進(jìn)提議分布和選擇性重采樣
6.3.1 使用激光掃描數(shù)據(jù)計(jì)算改進(jìn)的提議分布
6.3.2 選擇性采樣
6.4 復(fù)雜性
6.5 實(shí)驗(yàn)結(jié)果
6.5.1 建圖結(jié)果
6.5.2 量化結(jié)果
6.5.3 改進(jìn)提議分布和自適應(yīng)重采樣的有效性
6.5.4 掃描匹配失敗的情況
6.5.5 計(jì)算代價(jià)
6.6 相關(guān)工作
6.7 小結(jié)
第7章 主動(dòng)閉環(huán)探索
7.1 概述
7.2 主動(dòng)閉環(huán)
7.2.1 閉環(huán)檢測(cè)的時(shí)機(jī)
7.2.2 位姿不確定下的行為表示
7.2.3 閉環(huán)過(guò)程的終止
7.2.4 探索時(shí)間的縮短
7.2.5 多重嵌套環(huán)的處理
7.3 實(shí)驗(yàn)結(jié)果
7.3.1 真實(shí)世界探索
7.3.2 主動(dòng)閉環(huán)vs.基于邊界的探索
7.3.3 定量分析
7.3.4 終止條件的重要性
7.3.5 Neff的演變
7.3.6 多重嵌套環(huán)
7.3.7 計(jì)算資源
7.4 相關(guān)工作
7.5 小結(jié)
第8章 粒子多樣性修復(fù)
8.1 概述
8.2 閉環(huán)后粒子多樣性修復(fù)
8.3 實(shí)驗(yàn)結(jié)果
8.4 相關(guān)工作
8.5 小結(jié)
第9章 基于信息增益的探索
9.1 概述
9.2 Rao-Blackwellized建圖方法的不確定性
9.3 預(yù)期信息增益
9.4 行為集的計(jì)算
9.5 實(shí)驗(yàn)結(jié)果
9.5.1 真實(shí)世界的應(yīng)用
9.5.2 決策過(guò)程
9.5.3 與之前方法的比較
9.5.4 走廊探索
9.6 相關(guān)工作
9.7 小結(jié)
第10章 非靜態(tài)環(huán)境下的建圖和定位
10.1 概述
10.2 低動(dòng)態(tài)環(huán)境下的地圖學(xué)習(xí)
10.2.1 地圖分割
10.2.2 學(xué)習(xí)環(huán)境的形態(tài)／配置
10.2.3 地圖聚類(lèi)
10.3 基于地圖塊（patch-map）的蒙特卡羅定位
10.4 實(shí)驗(yàn)結(jié)果
10.4.1 在辦公室環(huán)境中的應(yīng)用
10.4.2 機(jī)器人定位和環(huán)境狀態(tài)估計(jì)
10.4.3 全局定位
10.5 相關(guān)工作
10.6 小結(jié)
第11章 結(jié)論

附錄
A.1 概率論
A.1.1 乘積法則
A.1.2 獨(dú)立性
A.1.3 貝葉斯規(guī)則（Bayes’Rule）
A.1.4 邊緣化
A.1.5 全概率法則
A.1.6 馬爾可夫假設(shè)
符號(hào)表
參考文獻(xiàn)