移动机器人自主导航是机器人领域的热点研究内容。本书首先介绍了基于机器视觉感知机制的自主移动机器人导航的理论与研究，重点介绍了基于地图、地图构建以及无地图环境下的基于视觉传感器的机器人导航算法，并给出了实际应用中基于视觉的机器人先进导航算法的实现。本书详细阐述了实际应用中基于视觉的自主导航算法以及SLAM问题，提出了利用视觉感知如何实现子目标驱动的导航概念，提出了利用模糊逻辑进行基于视觉的机器人路径跟踪概念，以及如何利用基于微型控制器的传感器系统研制实验室环境下的低成本机器人。

视频图matlab代码机器人导航 这是在BigData4Healthcare 2017（IEEE BigComp 2017的研讨会）中介绍的论文的实现。 通过改进Michal Kramarczyk的初始代码，可以实现基于神经网络的机器人导航。 测试机器人导航的视频 机器人导航模拟器 研究总结 问题陈述 自主导航机器人存在挑战，例如环境，障碍物和目标位置的频繁变化。 研究目的 验证基于神经网络的自主导航机器人的潜力 在自主移动机器人的导航中将RNN与MLP进行比较 建议的解决方案 将RNN和MLP用于自动导航机器人可以更好地概括环境，障碍物和目标位置。 实验结果 通过训练有素的地图和训练有素的目标进行测试，两个网络的性能在每个迷宫中都各不相同。 通过训练有素的地图和新目标进行测试，基于RNN的机器人比基于MLP的机器人可以更好地导航。 使用新地图和新目标进行测试，基于RNN的机器人即使在全新环境中也可以导航。 贡献 基于RNN的机器人表现出总体上比MLP更好的性能，因为RNN可以处理任意时间动态。 与MLP相比，RNN对新的迷宫和目标具有更好的泛化能力。 安装 机器人导航模拟器和神经网络

加拿大阿尔伯塔大学机器人课程资料