返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 正版 概率机器人 塞巴斯蒂安 特龙 伪码示例 完整数学推导 实验结果 算法优缺点 机械工业出版社店
  • 新商品上架
    • 作者: 塞巴斯蒂安·特龙著
    • 出版社: 机械工业出版社
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 塞巴斯蒂安·特龙著
    • 出版社:机械工业出版社
    • ISBN:9782592102653
    • 版权提供:机械工业出版社

       内容简介
        《概率机器人》对概率机器人学这一新兴领域进行了全面的介绍。概率机器人学依赖统计技术表示信息和进行决策,以容纳当今大多数机器人应用中必然存在的不确定性,是机器人学的一个分支。它依赖统计技术表示信息和制定决策。这样做,可以接纳在当今大多数机器人应用中引起的不确定性。本书主要专注于算法,对于每种算法,均提供了四项内容:①伪码示例;②完整的数学推导;③实验结果;④算法优缺点的详细讨论。
    《概率机器人》包括了基础知识、定位、地图构建、规划与控制四大部分。本书共17章,每章的后都提供了练习题和动手实践的项目。相信本书可以加深读者对概率机器人学的认识。
        
      商品基本信息
    商品名称:  概率机器人
    作者:  塞巴斯蒂安·特龙
    市场价:  99.00
    ISBN号:  9787111504375
    版次:  1-1
    出版日期:  2017-05
    页数:  495
    字数:  517
    出版社:  机械工业出版社
      目录
    目 录
    译者序
    原书前言
    致谢
    第Ⅰ部分 基础知识
    第1章 绪论 1
    1.1 机器人学中的不确定性 1
    1.2 概率机器人学 2
    1.3 启示 6
    1.4 本书导航 7
    1.5 概率机器人课程教学 7
    1.6 文献综述 8
    第2章 递归状态估计 10
    2.1 引言 10
    2.2 概率的基本概念 10
    2.3 机器人环境交互 14
    2.3.1 状态 15
    2.3.2 环境交互 16
    2.3.3 概率生成法则 18
    2.3.4 置信分布 19
    2.4 贝叶斯滤波 20
    2.4.1 贝叶斯滤波算法 20
    2.4.2 实例 21
    2.4.3 贝叶斯滤波的数学推导 23
    2.4.4 马尔可夫假设 25
    2.5 表示法和计算 25
    2.6 小结 26
    2.7 文献综述 26
    2.8 习题 27
    第3章 高斯滤波 29
    3.1 引言 29
    3.2 卡尔曼滤波 30
    3.2.1 线性高斯系统 30
    3.2.2 卡尔曼滤波算法 31
    3.2.3 例证 32
    3.2.4 卡尔曼滤波的数学推导 33
    3.3 扩展卡尔曼滤波 40
    3.3.1 为什么要线性化 40
    3.3.2 通过泰勒展开的线性化 42
    3.3.3 扩展卡尔曼滤波算法 44
    3.3.4 扩展卡尔曼滤波的数学推导 44
    3.3.5 实际考虑 46
    3.4 无迹卡尔曼滤波 49
    3.4.1 通过无迹变换实现线性化 49
    3.4.2 无迹卡尔曼滤波算法 50
    3.5 信息滤波 54
    3.5.1 正则参数 54
    3.5.2 信息滤波算法 55
    3.5.3 信息滤波的数学推导 56
    3.5.4 扩展信息滤波算法 57
    3.5.5 扩展信息滤波的数学推导 58
    3.5.6 实际考虑 59
    3.6 小结 60
    3.7 文献综述 61
    3.8 习题 62
    第4章 非参数滤波 64
    4.1 直方图滤波 64
    4.1.1 离散贝叶斯滤波算法 65
    4.1.2 连续状态 65
    4.1.3 直方图近似的数学推导 67
    4.1.4 分解技术 69
    4.2 静态二值贝叶斯滤波 70
    4.3 粒子滤波 72
    4.3.1基本算法 72
    4.3.2 重要性采样 75
    4.3.3 粒子滤波的数学推导 77
    4.3.4 粒子滤波的实际考虑和特性 79
    4.4 小结 85
    4.5 文献综述 85
    4.6 习题 86
    第5章 机器人运动 88
    5.1 引言 88
    5.2 预备工作 89
    5.2.1 运动学构型 89
    5.2.2 概率运动学 89
    5.3 速度运动模型 90
    5.3.1 闭式计算 91
    5.3.2 采样算法 92
    5.3.3 速度运动模型的数学推导 94
    5.4 里程计运动模型 99
    5.4.1 闭式计算 100
    5.4.2 采样算法 102
    5.4.3 里程计运动模型的数学推导 104
    5.5 运动和地图 105
    5.6 小结 108
    5.7 文献综述 109
    5.8 习题 110
    第6章 机器人感知 112
    6.1 引言 112
    6.2 地图 114
    6.3 测距仪的波束模型 115
    6.3.1 基本测量算法 115
    6.3.2 调节固有模型参数 119
    6.3.3 波束模型的数学推导 121
    6.3.4 实际考虑 126
    6.3.5 波束模型的局限 127
    6.4 测距仪的似然域 127
    6.4.1 基本算法 127
    6.4.2 扩展 130
    6.5 基于相关性的测量模型 131
    6.6 基于特征的测量模型 133
    6.6.1 特征提取 133
    6.6.2 地标的测量 133
    6.6.3 已知相关性的传感器模型 134
    6.6.4 采样位姿 135
    6.6.5 进一步的考虑 137
    6.7 实际考虑 137
    6.8 小结 138
    6.9 文献综述 139
    6.10 习题 139
    第Ⅱ部分 定 位
    第7章 移动机器人定位:马尔可夫与高斯 142
    7.1 定位问题的分类 144
    7.2 马尔可夫定位 146
    7.3 马尔可夫定位图例 147
    7.4 扩展卡尔曼滤波定位 149
    7.4.1 图例 149
    7.4.2 扩展卡尔曼滤波定位算法 151
    7.4.3 扩展卡尔曼滤波定位的数学推导 151
    7.4.4 物理实现 157
    7.5 估计一致性 161
    7.5.1 未知一致性的扩展卡尔曼滤波定位 161
    7.5.2 极大似然数据关联的数学推导 162
    7.6 多假设跟踪 164
    7.7 无迹卡尔曼滤波定位 165
    7.7.1 无迹卡尔曼滤波定位的数学推导 165
    7.7.2 图例 168
    7.8 实际考虑 172
    7.9 小结 174
    7.10 文献综述 175
    7.11 习题 176
    第8章 移动机器人定位:栅格与蒙特卡罗 179
    8.1 介绍 179
    8.2 栅格定位 179
    8.2.1 基本算法 179
    8.2.2 栅格分辨率 180
    8.2.3 计算开销 184
    8.2.4 图例 184
    8.3 蒙特卡罗定位 189
    8.3.1 图例 189
    8.3.2 蒙特卡罗定位算法 191
    8.3.3 物理实现 191
    8.3.4 蒙特卡罗定位特性 194
    8.3.5 随机粒子蒙特卡罗定位:失效恢复 194
    8.3.6 更改建议分布 198
    8.3.7 库尔贝克-莱布勒散度采样:调节样本集合大小 199
    8.4 动态环境下的定位 203
    8.5 实际考虑 208
    8.6 小结 209
    8.7 文献综述 209
    8.8习题 211
    第Ⅲ部分 地图构建
    第9章 占用栅格地图构建 213
    9.1 引言 213
    9.2 占用栅格地图构建算法 216
    9.2.1 多传感器信息融合 222
    9.3 反演测量模型的研究 223
    9.3.1 反演测量模型 223
    9.3.2 从正演模型采样 224
    9.3.3 误差函数 225
    9.3.4 实例与深度思考 226
    9.4 最大化后验占用地图构建 227
    9.4.1 维持依赖实例 227
    9.4.2 用正演模型进行占用栅格地图构建 228
    9.5 小结 231
    9.6 文献综述 231
    9.7 习题 232
    第10章 同时定位与地图构建 235
    10.1 引言 235
    10.2 基于扩展卡尔曼滤波的SLAM 237
    10.2.1 设定和假设 237
    10.2.2 已知一致性的SLAM问题 238
    10.2.3 EKF SLAM的数学推导 241
    10.3 未知一致性的EKF SLAM 244
    10.3.1 通用EKF SLAM算法 244
    10.3.2 举例 247
    10.3.3 特征选择和地图管理 250
    10.4 小结 252
    10.5 文献综述 253
    10.6 习题 256
    第11章 GraphSLAM算法 258
    11.1 引言 258
    11.2 直觉描述 260
    11.2.1 建立图形 260
    11.2.2 推论 262
    11.3 具体的GraphSLAM算法 265
    11.4 GraphSLAM算法的数学推导 27
    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购