一、绪论
二、递归状态估计
三、高斯滤波
四、非参数滤波
五、机器人运动
六、机器人感知
七、移动机器人定位:马尔科夫与高斯
八、移动机器人定位:栅格与蒙特卡洛
九、占用栅格地图构建
十、同时定位于地图构建
十一、GraphSLAM算法
十二、稀疏拓展信息滤波
十三、FastSLAM算法
十四、马尔科夫决策过程
十五、部分能观测马尔科夫决策过程
十六、近似部分能观测马尔科夫决策过程技术
十七、探测
本书由以下四个主要部分组成:
2-4 章介绍了构成本书中描述的所有算法基础的最基本的数学体系和
主要算法。这几章是本书的数学基础。
5-6章提出了移动机器人的概率模型。在许多方面,这两章都是传统
机器人模型的概率泛化。它们形成了之后的机器人内容的数学菲础。
7-8 章对移动机器人定位问题进行了讨论。这两章将前面两章所讨论
的概率模型和基本的估计算法结合起来。
9-13章讨论了关于机器人地图构建的更复杂问题。如前所述,它们
都是基于前面章节所讨论的算法,但是其中很多要利用技巧来适应该问题的复
杂性。
14 -17 章是对概率规划和控制问题的讨论。开始先介绍了几个基本技
术,然后分别介绍了用概率方法控制机器人的实际算法。最后一章,也就是第
17 章,从概率的角度对机器人探测问题进行了讨论。
本书最好按顺序从开始到结束进行阅读