基本信息
| 书名： | 基于神经网络的机器人路径规划 |
| 作者： | 李帅 |
| 出版社： | 中国科技出版传媒股份有限公司 |
| 出版日期： | 2021-06-01 |
| 版次： | 1 |
| ISBN： | 9787030708168 |
| 市场价： | 68.0 |
目录
第1章绪论
1.1移动机器人运动规划综述及研究现状
1.1.1运动规划简介
1.1.2运动规划的分类
1.1.3各种运动规划方法简介
1.1.4运动规划算法的评价指标
1.2神经网络综述及研究现状
第2章短路径细胞神经网络及其在静态环境运动规划中的应用
2.1短路径细胞神经网络模型
2.1.1地图映射
2.1.2神经元动力学
2.1.3路径生成
2.1.4路径搜索终止条件
2.1.5不存在可行路径情况的识别
2.1.6短路径细胞神经网络进入稳态的判据
……
内容介绍
本书介绍了用于机器人路径规划的细胞神经网络(cellular neural work，N)的近期新研究进展并分析其在月球车月面运动规划的潜在应用前景。本书给出了数个利用新颗的分布式神经网络模型求解短路径规划问题的例子，并给出其在扫地机器人应用中的关键问题之一——全覆盖问题的求解中的应用。本书结构清晰合理，易于学习掌握。全书内容按照先易后难的原则进行组织，符合大多数读者的学习习惯，从而使读者易于掌握所论述的内容。书了大量的例子供读者实践，其中部分实例含有源代码。
本书可作为读者研究神经网络在机器人控制及路径规划方面的理论及应用的手学术资料，也可作为从事机器人相关领域研究的研究生在机器人路径规划方面的教材。
在线试读
第1章绪论
1.1移动机器人运动规划综述及研究现状
1.1.1运动规划简介
运动规划是指依据某种优准则，在工作空间中寻找一条从起始点到目标点的避开障碍物的优路径。运动规划一方面要求规划出一条路径，这条路径始于机器人的起始点，止于目标点；另一方面要求规划出的路径不能穿越障碍物，否则这条路径是不可行的；再者，我们希望规划出的路径在某种指标下是尽可能优的。一般来说，指标可以是距离短、能耗少、时间短等。当然，由于问题的复杂，可能需要在多种指标之间进行协调。例如，在短路径指标下，机器人倾向于沿着障碍物的边界行进，这样机器人会紧挨着障碍物，这往往存在隐患，毕竟机器人的定位、地图的创建都是存在误差的，在精度不高的情况下很可能发生机器人与障碍物相撞。为了避免这种问题出现，有些研究者在短路径与之间进行协调；为了获得全局路径，往往需要耗费大量的时间并且占用大量的内存空间，这使得机器人运动规划的实时往往难以得到满足，基于这种考虑，有些研究者会在路径优与算法实时之间进行协调[1-8]。
1.1.2运动规划的分类
1）运动规划按照所基于的地图，可以分为基于栅格地图的运动规划、基于拓扑地图的运动规划和基于几何特征地图的运动规划等。
2）运动规划按照采用的地图特点，可以分为全局运动规划和局部运动规划。
前者根据全局地图进行规划与决策，而后者仅根据当前的传感器信息做出规划。
3）运动规划按照进行规划的环境中的障碍物、目标是否可以移动，分为静态运动规划和动态运动规划。前者的目标点和环境状况都是不变的，而后者的目标点和环境状况都是可变的。
4）运动规划按照对移动机器人的运动是否提供实时反馈，可以分为离线式运动规划和在线式运动规划。离线式运动规划规划出的结果是一条从起始点到目标点的路径，由于移动机器人在运动过程中存在误差，因此移动机器人真实的行走路径不可能与期望路径（规划出的结果）重合。因此，一般来说，采用离线式运动规划需要两步：首先进行离线式运动规划，然后进行轨迹跟踪（pahtra）。为了避免轨迹跟踪的结果与期望的路径偏差太大，有些研究者采用重新规划的方案，也是说只有当跟踪误差很大时才会对运动规划器反馈信息，而不能实时反馈机器人的运动信息。在线式运动规划与离线式运动规划不同，机器人每运动一步的信息都会作为反馈影响运动规划器的输出，该输出是在机器人当前位置下满足优化目标的解。两种运动规划的控制流程图如图1.1与图1.2所示。
5）运动规划按照进行规划的机器人是否受非完整约束（non-homologicalconstraint)，可以分为非完整约束移动机器人运动规划和全向移动机器人运动规划。前者又称为车形机器人运动规划(car like robot motion planning)。
6）运动规划按照是否考虑移动机器人的大小与形状，可以分为点状机器人运动规划和非点状机器人运动规划。
7）运动规划按照其体系结构可以分为慎思型运动规划（deliberate motionplanning）、基于行为的运动规划(behavior based motion planning) 和两种方法混合的运动规划。其中，慎思型运动规划针对环境地图进行规划，按照优条件规划出满足要求的一条路径，一般需要较长的运算时间，复杂度较高。基于行为的运动规划以传感器的读数作为输入，通过某种简单运算直接将数据传送给执行器来驱动机器人运动，能上一般是通过设计一个控制器来实现，运算简单，实时好。为了实现复杂能，基于行为的运动规划方法将任务分解为若干个相互独立的子任务，每个子任务对应不同的传感器和控制器（规划器），其输出通过某种方式耦合作用于执行器，驱动移动机器人。比较常用的耦合方法有矢量合……
媒体评论
