机器人感知技术

前言

第1章引言1

11机器人感知技术概述1

111度量层环境感知技术3

112拓扑层环境感知技术5

113语义层环境感知技术6

114复合环境感知技术8

12机器人与环境的交互机制概述9

参考文献10

第2章数学基础15

21线性代数15

211向量15

212标量15

213矩阵16

214张量16

215矩阵的运算和操作16

216向量的线性相关与独立17

217矩阵的秩17

218单位矩阵或恒等运算符18

219矩阵的行列式18

2110逆矩阵18

2111向量的范数(模)19

2112伪逆矩阵20

2113以特定向量为方向的单位
向量20

2114一个向量在另一个向量方向
上的投影20

2115特征向量和特征值20

2116矩阵的特征方程20

22导数、偏导数与链式法则21

221微分21

222函数的梯度21

223连续偏导数22

224链式法则22

225反向传播算法22

23梯度下降法及其变式23

231梯度下降法23

232梯度下降法的变式23

24二维空间位姿描述25

25三维空间位姿描述27

251正交旋转矩阵28

252三角度表示法29

253奇异点29

254单位四元数29

255平移与旋转组合30

26张量31

27概率基础32

271随机实验和样本空间32

272并集、交集和条件概率32

273事件联合概率32

274事件的互斥32

275事件的独立33

276条件独立33

277贝叶斯公式33

278概率质量函数33

279概率密度函数34

2710随机变量的数学期望34

2711随机变量的方差34

2712偏度和峰度34

2713协方差35

2714相关性系数36

2715一些常见的概率分布36

2716似然函数37

2717*大似然估计38

2718中心极限定理38

28习题39

参考文献39

第3章环境信息采集与度量层
数据处理40
31基于超声波的环境信息40

311超声波传感器工作原理与
关键指标40

312超声波传感器测量数据
特性42

313基于超声波传感器的地图
创建43

32基于激光雷达的环境信息47

321激光雷达工作原理47

322基于激光雷达的地图创建51

33基于视觉的环境信息53

331图像的数据表达53

332针孔相机模型与立体视觉54

333深度传感器及颜色深度传
感器58

334视觉SLAM59

34常见触觉传感器67

341力传感器及其数据处理67

342接触觉传感器及其数据
处理67

343压觉传感器及其数据处理68

344滑觉传感器及其数据处理69

35其他传感器70

351听觉传感器及其数据处理70

352味觉传感器及其数据处理71

353嗅觉传感器及其数据处理71

354接近觉传感器及其数据处理71

36习题72

参考文献72

第4章静态目标检测与识别74

41基于二维信息的物体检测与识别74

411基于度量数据的障碍物
检测74

412基于深度神经网络的物体
检测76

413基于传统特征的物体分类
识别90

414基于CNN的物体识别94

42基于三维信息的物体检测与识别97

421可行区域检测97

422目标物体检测与识别104

43基于触觉信息的物体感知技术109

431滑移检测109

432物体触觉识别114

44习题117

参考文献117

第5章动态目标检测与识别119

51动态障碍物的检测119

52人脸检测与识别120

521人脸检测120

522人脸跟踪126

53人体检测127

531图像预处理127

532梯度方向直方图特征128

533基于有监督学习的人体检测130

54人体运动检测与跟踪131

541人体运动检测131

542人体运动跟踪1