本书系统研究了移动机器人自主控制问题，着重研究了各种人工智能理论与方法在移动机器人自主导航与路径规划、机器人视觉与环境感知、机器人同步定位与建图、多机器人协作等方面的具体解决思路，并给出实验结果和分析。全书分为8章，包括绪论、移动机器人导航、移动机器人路径规划、机器人视觉技术、机器人环境感知、机器人同步定位与建图、多机器人协作以及移动机器人自主控制进展与展望。

倪建军，河海大学教授、博士生导师，电子与信息技术研究所所长。担任国家自然科学基金、国家重点研发计划、国家科技奖励以及江苏省、上海市等科技项目和科技奖励评审专家。系中国水利企业协会智慧水利分会专家、IEEE高级会员、中国人工智能学会高级会员、中国计算机学会高级会员、加拿大GUELPH大学与英国ESSEX大学访问教授、江苏省"333工程”中青年科学技术带头人。主要研究方向为信息获取与处理、人工智能与机器人、物联网技术与应用、智慧水利等，先后主持和参与国家自然科学基金5项，省部级项目8项，其他各级各类项目30余项。发表高水平论文100多篇，其中SCI、EI收录60余篇，授权发明专利与软著40余项（其中多项已经完成转化），出版学术专著和教材3部，获上海市科技进步奖1项。

目 录
第1章 绪论 1
1.1 移动机器人简介 1
1.1.1 移动机器人的定义 1
1.1.2 移动机器人的组成 2
1.1.3 移动机器人的特点 4
1.2 移动机器人的关键技术 5
1.2.1 环境感知 5
1.2.2 导航与路径规划 6
1.2.3 机器人视觉 7
1.2.4 同步定位与地图构建 7
1.2.5 多机器人协作 8
1.3 移动机器人的研究进展 8
1.3.1 移动机器人的发展历史 8
1.3.2 移动机器人的研究展望 10
1.4 本书的主要内容和结构安排 12
1.5 本章小结 13
参考文献 13
第2章 移动机器人导航 16
2.1 移动机器人导航概述 16
2.1.1 移动机器人导航的发展历史 16
2.1.2 移动机器人的常用导航方式 17
2.1.3 传统导航方法简介 18
2.2 基于改进强化学习的移动机器人导航 20
2.2.1 强化学习概述 20
2.2.2 基于生物刺激神经网络改进Q学习算法的移动机器人导航 23
2.2.3 实验及结果分析 27
2.3 模糊控制与虚拟力场法相结合的移动机器人导航 30
2.3.1 虚拟力场法简介 30
2.3.2 基于模糊控制改进虚拟力场法的移动机器人导航 33
2.3.3 实验及结果分析 37
2.4 本章小结 41
参考文献 42
第3章 移动机器人路径规划 44
3.1 移动机器人路径规划概述 44
3.2 传统路径规划方法简介 45
3.2.1 构形空间法 45
3.2.2 可视图法 45
3.2.3 栅格法 46
3.2.4 拓扑法 47
3.2.5 概率路径图法 48
3.3 基于人工蜂群算法的移动机器人路径规划 49
3.3.1 人工蜂群算法简介 49
3.3.2 基于改进人工蜂群算法的路径规划方法 50
3.3.3 实验及结果分析 54
3.4 基于蛙跳算法的移动机器人路径规划 57
3.4.1 蛙跳算法简介 57
3.4.2 基于改进蛙跳算法的路径规划 58
3.4.3 实验及结果分析 60
3.5 基于文化基因算法的路径规划 63
3.5.1 文化基因算法简介 63
3.5.2 基于改进文化基因算法的路径规划 64
3.5.3 实验及结果分析 68
3.6 本章小结 72
参考文献 72
第4章 移动机器人视觉 74
4.1 移动机器人视觉技术概述 74
4.1.1 机器人视觉技术简介 74
4.1.2 移动机器人视觉技术的发展概况 75
4.2 基于改进ViBe的运动目标检测 76
4.2.1 改进ViBe算法的原理 77
4.2.2 实验结果与分析 80
4.2.3 基于I-ViBe的运动目标检测的背景更新机制和实时性 84
4.3 基于KCF的运动目标跟踪 85
4.3.1 基于改进KCF的运动目标跟踪 86
4.3.2 实验结果与分析 91
4.3.3 SLKCF跟踪算法在复杂环境中的性能 95
4.4 本章小结 96
参考文献 97
第5章 移动机器人环境感知 100
5.1 移动机器人环境感知概述 100
5.1.1 环境感知的主要任务 100
5.1.2 移动机器人常用环境感知传感器 101
5.2 基于改进ORB的场景特征提取与匹配 104
5.2.1 图像特征提取与匹配算法简介 104
5.2.2 改进ORB特征提取与匹配算法 108
5.2.3 实验结果与分析 109
5.3 半稠密地图的构建 113
5.3.1 像素筛选策略 114
5.3.2 逆深度估计 115
5.3.3 基于图像金字塔的逆深度传递 117
5.3.4 实验与结果分析 119
5.4 基于深度神经网络的移动机器人道路场景分类 120
5.4.1 改进的场景分类深度神经网络 121
5.4.2 实验与结果分析 125
5.4.3 关于局部特征提取和全局特征提取的讨论 129
5.5 本章小结 131
参考文献 131
第6章 移动机器人同步定位与建图 134
6.1 移动机器人同步定位与建图概述 134
6.1.1 移动机器人定位概述 134
6.1.2 移动机器人地图建模概述 139
6.1.3 移动机器人SLAM概述 141
6.2 基于改进扩展卡尔曼滤波的移动机器人SLAM算法 144
6.2.1 算法描述 144
6.2.2 仿真实验和结果分析 147
6.3 基于改进生物启发方法的移动机器人SLAM算法 151
6.3.1 算法描述 151
6.3.2 室内移动机器人SLAM实验 157
6.4 基于深度学习的移动机器人语义SLAM算法 163
6.4.1 移动机器人语义SLAM算法概述 163
6.4.2 基于卷积神经网络的移动机器人语义SLAM算法 168
6.4.3 实验及结果分析 172
6.5 本章小结 175
参考文献 175

第7章 多机器人协作 179
7.1 多机器人协作概述 179
7.1.1 多机器人协作的研究进展 179
7.1.2 多机器人协作的主要研究内容 183
7.2 基于自组织神经网络的任务分配算法 184
7.2.1 任务分配问题描述 185
7.2.2 任务分配算法 185
7.2.3 实验及结果分析 187
7.3 基于动态生物刺激神经网络的多机器人系统编队 190
7.3.1 编队问题的描述 191
7.3.2 基于动态生物刺激神经网络的多机器人系统导航 193
7.3.3 编队仿真实验及结果分析 195
7.4 基于精确势博弈的多无人机协同覆盖搜索 199
7.4.1 多无人机协同覆盖搜索概述 199
7.4.2 势博弈方法概述 200
7.4.3 基于精确势博弈的多无人机协同覆盖方法 202
7.4.4 实验及结果分析 207
7.5 本章小结 213
参考文献 213
第8章 移动机器人自主控制进展 218
8.1 移动机器人自主控制的研究进展 218
8.1.1 基于生物启发式算法的移动机器人自主控制 218
8.1.2 基于深度神经网络的移动机器人自主控制 225
8.2 基于改进脊椎神经系统的异构多AUV协同围捕算法 232
8.2.1 异构多AUV协同围捕问题描述 232
8.2.2 异构多AUV协同围捕算法 234
8.2.3 实验和结果分析 238
8.3 基于改进肉芽肿形成算法的移动机器人故障自恢复算法 245
8.3.1 移动机器人故障自恢复问题描述 245
8.3.2 机器人故障自恢复方法 248
8.3.3 实验及结果分析 256
8.4 本章小结 264
参考文献 264