機器人智能感知基礎

目錄

第1章機器人傳感器基礎知識1

1.1機器人傳感器技術基礎1

1.1.1傳感器的定義和特點1

1.1.2傳感器的組成和分類1

1.1.3傳感器的標定技術2

1.2機器人智能感知技術概述4

1.2.1機器人系統結構4

1.2.2機器人傳感器技術發展趨勢5

1.2.3智能傳感器的定義、結構、功能和特點6

1.2.4多傳感器信息融合技術及其應用9

1.3本章小結14

習題114

第2章機器人內部傳感器技術基礎15

2.1位置與速度傳感器15

2.1.1絕對式光電編碼器15

2.1.2增量式旋轉光電編碼器15

2.1.3直線式光電編碼器16

2.1.4模擬式速度傳感器16

2.1.5數字式速度傳感器17

2.1.6傾斜角傳感器18

2.2加速度傳感器19

2.2.1加速度傳感器原理19

2.2.2線位移式加速度傳感器20

2.2.3擺錘式加速度傳感器23

2.2.4石英撓性加速度傳感器25

2.2.5壓阻式和壓電式加速度傳感器27

2.2.6光纖加速度傳感器30

2.3陀螺儀表32

2.3.1框架式陀螺32

2.3.2動力調諧式撓性陀螺33

2.3.3靜電陀螺35

2.3.4激光陀螺36

2.3.5光纖陀螺40

2.4姿態傳感器42

2.4.1慣性系統的基本概念42

2.4.2捷聯式慣性系統基本方程43

2.4.3機器人姿態傳感器47

2.4.4姿態傳感器系統構成及姿態解算50

2.5本章小結55

習題256

第3章機器人觸覺和力覺感知技術基礎57

3.1觸覺信息獲取與處理57

3.1.1觸覺傳感器的基本分類57

3.1.2觸覺信息處理60

3.1.3柔性觸覺傳感器技術61

3.2力覺信息獲取與處理63

3.2.1力覺傳感器的基本分類63

3.2.2力覺傳感器標定技術65

3.2.3應變式、電感式和電容式壓力傳感器66

3.2.4電阻式多維力/力矩傳感器72

3.3基於觸覺感知的機器人操作75

3.3.1基於觸覺感知信息的抓取穩定性分析75

3.3.2基於觸覺感知信息的目標識別77

3.3.3基於觸覺感知的其他應用79

3.4機器人力覺感知及操作79

3.4.1機器人阻抗控制及力位混合控制79

3.4.2機器人接觸約束和力控制融合方法82

3.4.3基於力智能感知的操控86

3.5本章小結89

習題389

第4章機器人接近覺、熱覺、滑覺、聽覺、嗅覺和味覺感知基礎90

4.1接近覺傳感器90

4.1.1機械式接近覺傳感器90

4.1.2感應式接近覺傳感器91

4.1.3電容式接近覺傳感器92

4.1.4超聲波接近覺傳感器94

4.1.5光電式接近覺傳感器95

4.2熱覺傳感器96

4.2.1熱電式傳感器96

4.2.2機器人熱覺傳感器的設計原理98

4.2.3熱覺傳感器的數學模型99

4.2.4水下熱覺傳感器101

4.3滑覺傳感器103

4.3.1受迫振蕩式滑覺傳感器104

4.3.2斷續器型滑覺傳感器105

4.3.3貝爾格萊德手滑覺傳感器105

4.4聽覺傳感器107

4.4.1聲音的基本概念107

4.4.2聽覺傳感器技術基礎110

4.4.3語音識別芯片111

4.5嗅覺與味覺傳感器114

4.5.1嗅覺傳感器114

4.5.2味覺傳感器117

4.6本章小結119

習題4119

第5章機器人視覺感知技術基礎121

5.1視覺傳感器與視覺系統121

5.1.1視覺傳感器的定義和分類121

5.1.2視覺系統123

5.2視覺成像基本原理123

5.3視覺系統標定128

5.3.1相機標定128

5.3.2機器人手眼標定134

5.4視覺測量方法137

5.4.1單目視覺測量方法137

5.4.2雙目視覺三維測量原理137

5.4.3雙目視覺三維測量數學模型139

5.4.4雙目視覺測量系統精度分析140

5.4.5雙目視覺測量系統結構設計142

5.4.6極線幾何與基本矩陣144

5.5智能視覺感知技術基礎147

5.5.1視覺匹配技術147

5.5.2視覺顯著性檢測技術151

5.5.3基於機器學習的視覺感知方法153

5.5.4基於深度學習的視覺感知方法155

5.5.5面向小樣本學習的視覺感知方法161

5.5.6視覺引導的機器人抓取技術164

5.6本章小結169

習題5169

第6章估計理論基礎170

6.1矩陣微分法170

6.1.1相對於數量的微分法170

6.1.2相對於向量的微分法171

6.1.3相對於矩陣的微分法175

6.1.4復合函數微分法178

6.2最小二乘估計基礎179

6.2.1數量的最小二乘估計179

6.2.2向量的最小二乘估計181

6.2.3加權最小二乘估計183

6.3線性最小方差估計184

6.4最小方差估計188

6.5遞推最小二乘估計191

6.6卡爾曼濾波理論基礎194

6.6.1預備知識194

6.6.2離散系統卡爾曼濾波199

6.6.3一般線性離散系統的濾波206

6.6.4連續系統的卡爾曼濾波206

6.7本章小結213

習題6214

第7章多傳感器信息融合技術基礎215

7.1多傳感器信息融合技術概述215

7.1.1多傳感器信息融合的層次215

7.1.2多傳感器信息融合的功能模型218

7.1.3多傳感器信息融合的結構模型224

7.1.4多傳感器信息融合的過程和算法226

7.1.5多傳感器信息融合存在的問題228

7.2多傳感器信息融合的概率統計方法230

7.2.1傳感器建模230

7.2.2傳感器建模不確定性分析231

7.2.3標量隨機變量的概率與統計特性231

7.2.4線性回歸232

7.2.5線性濾波234

7.2.6非線性濾波239

7.3多傳感器信息融合的推理學習方法246

7.3.1貝葉斯推理246

7.3.2DempsterShafer證據推理248

7.3.3聯合DempsterShafer證據推理和神經網絡的信息融合方法253

7.3.4基於DempsterShafer證據推理的多傳感器信息融合的道路

車輛跟蹤254

7.4基於知識模型的多傳感器信息融合方法258

7.4.1基於模糊邏輯推理的信息融合方法258

7.4.2邏輯模板法260

7.4.3專家系統261

7.5多傳感器智能信息融合方法265

7.5.1人工神經網絡265

7.5.2表決融合267

7.6多源圖像融合268

7.6.1多源圖像融合概述268

7.6.2圖像融合的主要步驟271

7.6.3圖像配準概述271

7.6.4圖像融合典型方法273

7.6.5圖像融合規則274

7.6.6圖像融合效果評價275

7.6.7加權平均圖像融合方法基本原理277

7.6.8基於主成分分析的圖像融合方法277

7.6.9基於金字塔分解的圖像融合280

7.6.10基於HIS變換的遙感圖像融合281

7.6.11基於小波變換的圖像融合284

7.6.12基於二維離散余弦變換的多聚焦圖像融合291

7.7本章小結293

習題7293

第8章智能感知技術在機器人系統中的應用294

8.1移動機器人智能感知294

8.1.1移動機器人常用傳感器概述294

8.1.2移動機器人慣性導航系統296

8.1.3移動機器人衛星導航系統297

8.1.4移動機器人視覺導航系統298

8.1.5移動機器人激光雷達/紅外定位系統300

8.1.6基於卡爾曼濾波的運動體姿態估計方法300

8.1.7移動機器人的多傳感器信息融合方法301

8.1.8提高移動機器人導航精度的方法304

8.2飛行機器人智能感知306

8.2.1飛行機器人的傳感器標定和測量模型306

8.2.2飛行機器人的運動狀態估計317

8.2.3提高飛行機器人導航精度的方法323

8.3空間機器人智能感知324

8.3.1姿態測量敏感器325

8.3.2絕對導航敏感器328

8.3.3相對導航敏感器329

8.3.4姿態敏感器誤差建模331

8.3.5基於確定性方法的姿態確定算法333

8.3.6基於狀態估計法的姿態確定算法335

8.3.7姿態敏感器的相對誤差標定336

8.3.8地面事後高精度姿態標校340

8.4水下機器人智能感知340

8.4.1水下機器人及傳感器概述340

8.4.2聲吶傳感系統341

8.4.3水聲換能器348

8.4.4超短基線定位系統352

8.5仿生機器人智能感知355

8.5.1仿生觸須355

8.5.2電子鼻359

8.5.3柔性可拉伸傳感器362

8.5.4典型仿生機器人傳感器系統362

8.6本章小結365

習題8365

第9章基於多傳感器信息融合的自動駕駛汽車位姿估計366

9.1多源傳感系統的時空同步367

9.1.1多源傳感系統時間同步367

9.1.2多源傳感系統空間對準372

9.2自動駕駛汽車位姿估計378

9.2.1自動駕駛汽車位姿估計概述378

9.2.2基於多源信息融合的姿態估計379

9.3本章小結397

習題9397

參考文獻398