机器人学和计算机视觉的集群计算

第1章 引言 1

1.1 机器人 2

1.2 集群计算 3

1.3 本书概述 5

第2章 集群与机器人 7

2.1 并行计算 8

2.1.1 并行架构 8

2.1.2 多处理器 9

2.1.3 多计算机 10

2.2 集群技术 12

2.2.1 术语 12

2.2.2 集群配置 13

2.2.3 集群编程 14

2.2.4 集群配置 14

2.2.5 基于OpenMPI的简单集群配置 14

2.2.6 连接集群与机器人 15

2.3 总结 17

参考文献 18

第3章 集群编程 20

3.1 并行编程方法 20

3.2 MPI编程 23

3.2.1 信息传递 23

3.2.2 单程序多数据模型 24

3.2.3 集合通信 25

3.3 MPI程序的编译和运行 27

3.4 并行计算时间复杂度分析 28

3.4.1 加速比和阿姆达尔（Amdahl）定律 29

3.4.2 通信和计算 29

3.4.3 通信模型 30

3.5 总结 32

参考文献 33

第4章 机器人运动 35

4.1 二维移动式机器人运动学 36

4.2 航迹推算 37

4.2.1 分区：数据块分解 38

4.2.2 程序设计 39

4.2.3 分析 44

4.3 带中间结果的航迹推测 44

4.3.1 分区 45

4.3.2 程序设计 46

4.3.3 分析 47

4.4 多机器人的航迹推算 48

4.4.1 分区 49

4.4.2 程序设计 50

4.4.3 分析 51

4.4.4 局部和全局缓存 52

4.5 总结 53

参考文献 54

第5章 传感器 55

5.1 传感器采集信息的转换 56

5.1.1 分区：单机器人位置 58

5.1.2 分析 59

5.1.3 分区：多机器人位置 60

5.1.4 分析 61

5.2 由声呐数据绘制地图 62

5.2.1 利用Hough变换检测直线 63

5.2.2 分区 64

5.2.3 程序设计 65

5.2.4 分析 66

5.2.5 并行Hough的负荷均衡 67

5.2.6 分析 68

5.3 激光扫描测量的配准 69

5.3.1 极坐标匹配 70

5.3.2 分区及分析 72

5.3.3 程序设计 73

5.4 总结 76

参考文献 77

第6章 地图构建与定位 78

6.1 构建空间占用地图 80

6.1.1 声呐概率模型 80

6.1.2 贝叶斯滤波 81

6.1.3 地图数据分区 82

6.1.4 程序设计 83

6.1.5 分析 89

6.1.6 基于传感器读数的数据划分 90

6.1.7 程序设计 90

6.1.8 分析 91

6.2 蒙特卡罗定位 92

6.2.1 分区 93

6.2.2 程序设计 94

6.2.3 分析 95

6.2.4 改进串行部分 96

6.3 总结 98

参考文献 99

第7章 视觉与跟踪 101

7.1 道路跟踪 103

7.2 图像处理 103

7.2.1 数据分区 104

7.2.2 程序设计 105

7.2.3 分析 106

7.2.4 空间像素运算 107

7.2.5 数据分区 108

7.2.6 程序设计 109

7.3 多尺度图像处理 110

7.4 图像跟踪 113

7.4.1 空间直方图 114

7.4.2 条件信度传播（Condensation）图像跟踪算法 116

7.4.3 数据分区 117

7.4.4 程序设计 118

7.5 总结 119

参考文献 121

第8章 路标学习 123

8.1 路标空间直方图 124

8.2 K均值聚类算法 126

8.2.1 分区 127

8.2.2 程序设计 128

8.2.3 分析 129

8.3 EM算法 130

8.3.1 分区 131

8.3.2 程序设计 132

8.3.3 分析 133

8.4 总结 133

参考文献 134

第9章 机器人架构 136

9.1 基于行为的机器人技术 136

9.2 静态的基于行为的结构 138

9.2.1 分区 140

9.2.2 程序设计 140

9.2.3 分析 144

9.3 动态的基于结构的行为 146

9.3.1 程序设计 147

9.3.2 分析 150

9.4 总结 150

参考文献 151

附录Ⅰ 关于mpirun命令的OpenMPI帮助文档概要 153

附录Ⅱ MPI数据类型 157

附录Ⅲ MPI归约操作 159

附录Ⅳ MPI应用编程接口（API） 160

参考文献 166

索引 173