移动机器人在一个未知的环境中要完成某些具体的任务，例如未知环境下的编队、觅食、搜索与救援、监督与监控、导航等，首先要对该环境进行探索，需要获得一个全局地图，然后规划出一条最优路径完成任务。因此，如何协调多机器人系统完成未知环境的探索任务和进行路径规划显得尤为重要。 本书共7章内容，主要包括：绪论、全局地图的拼接、基于情感和聚类的拍卖探索协调算法、基于情感和行走规则的拍卖探索任务协调算法、基于效益的多机器人避碰协调策略、基于改进RRT的多机器人探索算法、改进的A*和DWA融合的全局路径规划。 本书能较综合和全面地涉及室内移动机器人在没有获得空间信息情况下执行任务时，如何获得空间信息，以及在获得了所需的空间信息后，如何规划出一条最优路径到达目标点，并以具体的任务为例进行说明。本书可供从事机器人探索未知环境方向的科研人员及高校教师和研究生学习参考。

第1章 绪论
1.1 移动机器人探索未知环境的研究背景和意义
1.2 移动机器人探索算法的国内外研究现状
1.2.1 全局地图拼接算法的研究现状
1.2.2 探索任务分配的协调算法的研究现状
1.2.3 避免碰撞的协调算法的研究现状
1.2.4 情感算法的研究进展
1.2.5 基于边界的探索算法研究进展
1.2.6 基于快速探索随机树的探索算法研究进展
1.2.7 基于A*的探索算法研究进展
1.2.8 基于DWA的探索算法研究进展
1.2.9 其他探索算法
1.3 探索协调算法中存在的若干问题
1.3.1 全局地图拼接算法中出现的探索效率低的问题
1.3.2 探索任务协调分配算法中存在的问题
1.3.3 探索过程中的碰撞问题
1.3.4 RRT探索算法的探索效率问题
1.3.5 A*和DWA算法可以改进的方面
1.3.6 移动机器人探索未知环境的发展趋势
1.4 本书的主要内容和结构
第2章 全局地图的拼接
2.1 引言
2.2 机器人的定位
2.3 地图的表示方法
2.3.1 度量地图
2.3.2 拓扑地图
2.3.3 混合地图
2.4 基于签名向量和路标的子地图匹配算法
2.4.1 基于签名向量的子地图匹配
2.4.2 匹配算法的改进
2.4.3 共享路径的处理
2.4.4 算例说明
2.5 基于地图集的全局地图拼接算法
2.5.1 签名向量重复探索的避免
2.5.2 拓扑节点在不同坐标系间的转换
2.5.3 基于地图集的地图拼接算法示例
2.5.4 仿真实验及结果分析
2.6 本章小结
第3章 基于情感和聚类的拍卖探索任务协调算法
3.1 引言
3.2 多机器人探索未知环境任务的性质
3.2.1 动态任务和静态任务
3.2.2 紧耦合任务和松耦合任务
3.3 机器人的体系结构及配备的传感器
3.3.1 单机器人的体系结构
3.3.2 多机器人的体系结构
3.3.3 机器人配备的传感器
3.4 拍卖
3.4.1 单项拍卖和组合拍卖
3.4.2 集中拍卖和分散拍卖
3.5 基于情感和拍卖的多机器人协调算法
3.5.1 拍卖算法中影响探索效率的情况
3.5.2 基于情感和拍卖的协调算法
3.5.3 仿真实验与分析
3.6 基于情感和聚类的拍卖探索任务协调算法
3.6.1 未被探索孤岛的定义
3.6.2 两种低效率的探索情况
3.6.3 非最优目标的选择
3.6.4 改进的单回路聚类计算目标点的探索回报
3.6.5 基于情感和聚类的拍卖探索任务协调算法
3.6.6 仿真实验及结果分析
3.7 实验验证
3.8 预估牛耕路径行走时间改进探索策略
3.8.1 牛耕路径方向的选择问题
3.8.2 标的的计算
3.8.3 FIBA’ESBC算法流程
3.8.4 .仿真实验及结果分析
3.9 本章小结
第4章 基于情感和行走规则的拍卖探索任务协调算法
4.1 引言
4.2 考虑通信受限的多机器人探索任务协调算法
4.2.1 目标单元格的选择
4.2.2 分布式拍卖算法
4.2.3 仿真实验
4.3 基于行走规则的拍卖探索协调算法
4.4 基于情感和行走规则的拍卖探索任务协调算法
4.4.1 情感模型
4.4.2 情感状态的生成
4.4.3 机器人具体的执行过程与情感状态的关系
4.4.4 仿真实验及结果分析
4.5 本章小结
第5章 基于效益的多机器人避碰协调策略
5.1 引言
5.2 拍卖与线性规划相结合的探索任务分配策略
5.2.1 基于缌}生规划的机器人探索任务分配策略
5.2.2 示例说明
5.3 基于效益的多机器人避碰协调策略
5.4 .仿真示例及结果分析
5.5 本章小结
第6章 基于改进RRT的多机器人探索算法
6.1 基于ROS的RRT多机器人探索平台搭建
6.1.1 机器人探索平台技术框架
6.1.2 多机器人边界探索模块
6.1.3 多机器人边界探索平台可行性实验
6.2 基于动态步长机制的局部边界探索算法
6.2.1 基于RRT算法的局部边界探索算法
6.2.2 基于动态步长的RRT局部探索算法设计
6.2.3 基于动态步长的RRT局部边界探索算法仿真实验
6.3 基于改进人工鱼群的RRT全局边界探索算法
6.3.1 RRT全局边界探索算法
6.3.2 人工鱼群算法优化策略
6.3.3 改进人工鱼群优化的RRT全局边界探索算法流程
6.3.4 基于改进人工鱼群的全局边界探索模块仿真实验
6.4 本章小结
第7章 改进的A*和DWA融合的全局路径规划
7.1 A算法的改进
7.1.1 距离表示
7.1.2 A*算法搜索流程
7.1.3 改进A*算法
7.1.4 综合改进算法仿真对比实验
7.2 融合改进A*和DWA算法
7.2.1 动态窗口法
7.2.2 融合改进A与DWA算法
7.2.3 自适应权重系数实验分析
7.2.4 动态障碍物下的仿真实验
7.3 基于ROS的改进A*和DWA融合算法的实验
7.4 本章小结
参考文献