智能機器人理論與實踐

目 錄
第1章 緒論 1
1.1　智能機器人的基本概念 1
1.1.1　智能機器人本質特征 1
1.1.2　智能機器人的定義 2
1.1.3　智能機器人基本功能 3
1.2　智能機器人的發展簡史 4
1.2.1　古代機器人 4
1.2.2　工業機器人 5
1.2.3　初級智能機器人 6
1.2.4　高級智能機器人 8
1.3　智能機器人的分類 10
1.3.1　按智能程度分類 10
1.3.2　按負載能力分類 11
1.3.3　按開發目的分類 12
1.3.4　按應用領域分類 14
1.4　智能機器人的主要研究內容 17
1.4.1　智能機器人的關鍵技術 17
1.4.2　智能機器人的系統架構與集成 19
1.5　智能機器人的發展趨勢展望 22
課後習題 25
第2章 智能機器人的本體結構 26
2.1　智能機器人的結構組成 26
2.1.1　智能機器人的基本結構 27
2.1.2　智能機器人的機械結構 28
2.2　智能機器人的位姿描述 34
2.3　智能機器人的坐標變換 37
2.3.1　正交坐標系 37
2.3.2　齊次坐標系 39
2.3.3　變換方程 42
2.4　智能機器人的本體參數 44
2.4.1　智能機器人的基本參數 44
2.4.2　智能機器人的工程參數 46
2.4.3　機械臂運動學 48
2.5　本章小結 53
課後習題 54
第3章 智能機器人的電源系統 55
3.1 智能機器人的電源系統概述 55
3.1.1 電源系統的主要任務與組成 55
3.1.2 電源系統的性能指標和面臨的挑戰 56
3.1.3 智能機器人的電源需求分析 57
3.2 智能機器人的電源電路設計 58
3.2.1 電源電路設計的基本原則 58
3.2.2 主要的電源電路 60
3.3 智能機器人的電源轉換和外部供電系統 62
3.3.1 電源轉換 62
3.3.2 外部供電系統 65
3.4 智能機器人的電池類型與特性 66
3.4.1 鋰離子電池 66
3.4.2 新興電池技術 67
3.4.3 電池管理系統 67
3.5 水下機器人的設計實例分析 70
3.5.1 水下機器人的結構特點 70
3.5.2 水下機器人的推進器 72
3.5.3 水下機器人的線纜系統 75
3.5.4 水下機器人的供電系統 76
3.6 本章小結 77
課後習題 78
第4章 智能機器人的傳感器系統 79
4.1　智能機器人傳感器系統概述 79
4.1.1　傳感器的定義與組成 79
4.1.2　傳感器的分類與結構 80
4.1.3　新型傳感器技術 88
4.1.4　傳感器系統的作用 90
4.2　智能機器人的傳感器數據處理 91
4.2.1　圖像處理 91
4.2.2　激光雷達點雲處理 100
4.2.3　語音數據處理 101
4.3　多傳感器信息融合 101
4.3.1　信息融合概述 102
4.3.2　信息融合的優勢與流程 103
4.3.3　一維數據的圖像化 103
4.3.4　信息融合的主要方法 106
4.4　智能機器人的傳感器選型與部署 110
4.4.1　傳感器的通用性能指標、特殊要求與選型 110
4.4.2　傳感器部署的基本原則 112
4.5　本章小結 113
課後習題 113
第5章 智能機器人的視聽覺系統 114
5.1　智能機器人視覺系統 114
5.1.1　視覺系統概述 114
5.1.2　智能機器人視覺的發展概況 116
5.1.3　智能機器人視覺系統組成 117
5.2　智能機器人視覺理論基礎 119
5.2.1　成像原理 119
5.2.2　視覺測量模型 123
5.2.3　位姿估計理論 126
5.3 智能機器人聽覺系統 128
5.3.1 語音識別技術簡介 129
5.3.2 語音識別算法演進 131
5.3.3 智能機器人聽覺系統的主要研究 133
5.4 基於深度學習的智能機器人視聽覺技術 134
5.4.1 深度學習概述 134
5.4.2 基於卷積神經網絡的手寫數字識別 136
5.4.3 基於大語言模型的自然語言理解 137
5.5 本章小結 138
課後習題 139
第6章 智能機器人的導航方法 140
6.1 智能機器人導航概述 140
6.1.1 環境感知與環境理解 140
6.1.2 導航決策技術 147
6.1.3 智能機器人導航方法的分類 148
6.2 智能機器人導航基礎知識 148
6.2.1 智能機器人導航數學基礎 148
6.2.2 智能機器人的導航方法 152
6.2.3 智能機器人中的傳統導航方法 154
6.3 基於模糊邏輯的智能機器人導航 160
6.3.1 模糊推理方法概述 161
6.3.2 基於模糊邏輯的導航方法 163
6.3.3 基於模糊邏輯的導航方法的優勢與局限性 165
6.4 基於行為的智能機器人導航 166
6.4.1 基於行為的導航方法的概述 166
6.4.2 基於行為的導航方法的基本原理 166
6.4.3 基於行為的導航方法的優勢與缺陷 169
6.5 基於深度強化學習的智能機器人導航 170
6.5.1 強化學習概述 170
6.5.2 基於深度強化學習的導航方法的基礎知識 172
6.5.3 基於Q學習算法的智能機器人導航 173
6.5.4 基於DQN算法的智能機器人導航 176
6.6 本章小結 178
課後習題 178
第7章 智能機器人的路徑規劃方法 179
7.1 智能機器人路徑規劃概述 179
7.1.1 路徑規劃的研究內容 179
7.1.2 路徑規劃方法分類 179
7.1.3 路徑規劃面臨的主要挑戰 180
7.2 智能機器人的地圖模型 180
7.2.1 柵格地圖 181
7.2.2 拓撲地圖 182
7.2.3 地圖模型的選擇與融合 183
7.3 傳統路徑規劃方法 184
7.3.1 柵格法 184
7.3.2 拓撲法 185
7.3.3 構形空間方法 185
7.3.4 可視圖法 186
7.3.5 概率路徑圖法 186
7.4 基於搜索算法的路徑規劃 187
7.4.1 基於Dijkstra算法的路徑規劃 187
7.4.2 基於A*算法的路徑規劃 191
7.4.3 基於模擬退火算法的路徑規劃 195
7.5 基於遺傳算法的路徑規劃 196
7.5.1 遺傳算法概述 196
7.5.2 基於遺傳算法的智能機器人路徑規劃 200
7.6 基於人工神經網絡的路徑規劃 203
7.6.1 人工神經網絡概述 203
7.6.2 基於BP神經網絡的路徑規劃 206
7.7 本章小結 210
課後習題 210
第8章 智能機器人的ROS原理及應用 211
8.1 ROS概述 211
8.1.1 ROS定義 211
8.1.2 ROS的作用 212
8.1.3 ROS的安裝 213
8.2 基於ROS的智能機器人仿真 216
8.2.1 統一機器人描述格式文件 216
8.2.2 基於宏展開的擴展語言文件 217
8.2.3 智能機器人的仿真實例 217
8.3 基於ROS的智能機器人運動控制 222
8.3.1 運動控制系統的搭建 222
8.3.2 基於腳本的智能機器人運動控制 226
8.4 基於ROS的智能機器人導航 229
8.4.1 ROS地圖設置 230
8.4.2 智能機器人的定位與建圖 231
8.4.3 ROS導航功能包集 232
8.4.4 基於TurtleBot3平臺的智能機器人導航仿真 235
8.4.5 環境地圖的構建 237
8.4.6 智能機器人的自主導航 239
8.5 本章小結 241
課後習題 241
參考文獻 242