扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
基于学习的无人机感知与规避 版权信息
- ISBN:9787118127997
- 条形码:9787118127997 ; 978-7-118-12799-7
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 所属分类:>
基于学习的无人机感知与规避 内容简介
本书以无人机突发的障碍这一意外事件作为研究背景,主要研究单架无人机突遇障碍下的规避决策问题。针对搭载视觉传感器的轻小型无人机,本书主要介绍了自身载荷能力和计算能力受限条件下的无人机感知与规避控制技术及其自主学习方法。以基于行为分解的控制架构为基础,结合学习机制,详细介绍了两种显著性目标区域提取算法以及利用卷积与反卷积网络实现对深度距离的估计方法;主要结合无人机规避过程中对于感知与动作的描述,介绍了结合强化学习理论的无人机感知-规避的实现算法。
基于学习的无人机感知与规避 目录
第1章 绪论
1.1 研究背景
1.2 无人机感知规避系统现状
1.3 无人机感知规避技术现状
1.4 本书主要研究工作
1.4.1 主要研究内容
1.4.2 组织结构
1.4.3 主要创新点
第2章 无人机感知规避系统框架设计与分析
2.1 引言
2.2 机器人控制体系结构基础
2.3 无人机感知规避框架设计与要素分析
2.3.1 感知规避框架设计
2.3.2 感知规避框架关键要素分析
2.3.3 感知规避框架学习机制描述
2.4 无人机感知-规避状态空间表征描述
2.4.1 环境障碍物状态描述
2.4.2 无人机规避动作描述
2.5 本章小结
第3章 基于显著性的空中障碍目标检测方法
3.1 引言
3.2 视觉注意机制与显著性检测
3.3 基于频域信息的显著性目标检测
3.3.1 基于频域信息的显著性检测方法描述
3.3.2 基于频域信息的显著性检测算法设计
3.4 基于深度学习的显著性目标检测
3.4.1 基于卷积神经网络的显著性检测方法描述
3.4.2 基于卷积神经网络的显著性检测算法设计
3.5 空中目标显著性检测方法实验验证
3.5.1 通用数据集算法测试实验
3.5.2 飞行数据集算法测试实验
3.6 本章小结
第4章 基于自动编码理论的近地障碍环境表征方法
4.1 引言
4.2 基于深度编码-反编码结构的环境重构算法
4.2.1 编码与反编码结构
4.2.2 深度编码-反编码网络算法设计
4.3 基于深度卷积神经网络的深度距离估计算法
4.3.1 测距方法与尺度空间
4.3.2 深度距离估计卷积神经网络算法设计
4.4 复杂近地环境表征方法实验验证
4.4.1 基于深度编码-反编码结构的环境重构算法实验验证
4.4.2 基于深度卷积神经网络的深度距离估计算法实验验证
4.5 本章小结
第5章 基于强化学习的无人机规避决策控制
5.1 引言
5.2 表格型Q学习规避算法
5.2.1 表格型Q学习原理
5.2.2 表格型Q学习算法设计
5.3 基于执行器一评价器的无人机空中规避算法
5.3.1 执行器一评价器框架描述
5.3.2 基于AC强化学习的无人机规避映射框架设计
5.3.3 基于AC强化学习的无人机规避算法设计
5.4 基于Deep Q学习与3D Q学习的无人机规避算法
5.4.1 基于Deep Q学习规避算法设计
5.4.2 基于3D Q学习规避算法设计
5.5 基于强化学习的无人机规避决策控制实验验证
5.5.1 面向空中背景的无人机规避算法实验验证
5.5.2 面向森林背景的无人机规避算法验证
5.6 本章小结
致谢
参考文献
1.1 研究背景
1.2 无人机感知规避系统现状
1.3 无人机感知规避技术现状
1.4 本书主要研究工作
1.4.1 主要研究内容
1.4.2 组织结构
1.4.3 主要创新点
第2章 无人机感知规避系统框架设计与分析
2.1 引言
2.2 机器人控制体系结构基础
2.3 无人机感知规避框架设计与要素分析
2.3.1 感知规避框架设计
2.3.2 感知规避框架关键要素分析
2.3.3 感知规避框架学习机制描述
2.4 无人机感知-规避状态空间表征描述
2.4.1 环境障碍物状态描述
2.4.2 无人机规避动作描述
2.5 本章小结
第3章 基于显著性的空中障碍目标检测方法
3.1 引言
3.2 视觉注意机制与显著性检测
3.3 基于频域信息的显著性目标检测
3.3.1 基于频域信息的显著性检测方法描述
3.3.2 基于频域信息的显著性检测算法设计
3.4 基于深度学习的显著性目标检测
3.4.1 基于卷积神经网络的显著性检测方法描述
3.4.2 基于卷积神经网络的显著性检测算法设计
3.5 空中目标显著性检测方法实验验证
3.5.1 通用数据集算法测试实验
3.5.2 飞行数据集算法测试实验
3.6 本章小结
第4章 基于自动编码理论的近地障碍环境表征方法
4.1 引言
4.2 基于深度编码-反编码结构的环境重构算法
4.2.1 编码与反编码结构
4.2.2 深度编码-反编码网络算法设计
4.3 基于深度卷积神经网络的深度距离估计算法
4.3.1 测距方法与尺度空间
4.3.2 深度距离估计卷积神经网络算法设计
4.4 复杂近地环境表征方法实验验证
4.4.1 基于深度编码-反编码结构的环境重构算法实验验证
4.4.2 基于深度卷积神经网络的深度距离估计算法实验验证
4.5 本章小结
第5章 基于强化学习的无人机规避决策控制
5.1 引言
5.2 表格型Q学习规避算法
5.2.1 表格型Q学习原理
5.2.2 表格型Q学习算法设计
5.3 基于执行器一评价器的无人机空中规避算法
5.3.1 执行器一评价器框架描述
5.3.2 基于AC强化学习的无人机规避映射框架设计
5.3.3 基于AC强化学习的无人机规避算法设计
5.4 基于Deep Q学习与3D Q学习的无人机规避算法
5.4.1 基于Deep Q学习规避算法设计
5.4.2 基于3D Q学习规避算法设计
5.5 基于强化学习的无人机规避决策控制实验验证
5.5.1 面向空中背景的无人机规避算法实验验证
5.5.2 面向森林背景的无人机规避算法验证
5.6 本章小结
致谢
参考文献
展开全部
基于学习的无人机感知与规避 作者简介
牛轶峰,男,河南伊川人,1979年生,博士(后),讲师。2001年、2007年分别获得国防科技大学自动控制专业学士学位、控制科学与工程专业博士学位,2012年在德国蒂宾根大学(11所精英大学之 )计算机科学系作博士后研究。现为国防科技大学机电工程与自动化学院无人系统研究所讲师,IEEE、ISBE和CSIG会员。
书友推荐
- >
推拿
推拿
¥12.2¥32.0 - >
诗经-先民的歌唱
诗经-先民的歌唱
¥15.1¥39.8 - >
烟与镜
烟与镜
¥15.8¥48.0 - >
龙榆生:词曲概论/大家小书
龙榆生:词曲概论/大家小书
¥9.1¥24.0 - >
李白与唐代文化
李白与唐代文化
¥12.5¥29.8 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0 - >
二体千字文
二体千字文
¥14.0¥40.0 - >
月亮与六便士
月亮与六便士
¥16.0¥42.0
本类畅销
-
迷蒙星空-探天之路
¥14.5¥39 -
飞天起航
¥13.9¥35 -
航空工业出版社遥控模型飞机系列遥控像真模型飞机入门
¥20.2¥48 -
航天器自主导航技术
¥39.1¥112 -
国家出版基金 中国航天的历史使命
¥22.8¥68 -
航空超高强度钢的发展
¥25.9¥58