智能机器人导论

第1章 智能机器人概述 1 1.1 智能机器人的概念 1 1.1.1 智能机器人的背景介绍 1 1.1.2 智能机器人的定义 4 1.2 智能机器人的组成及特性 4 1.2.1 智能机器人的基本组成 4 1.2.2 智能机器人的分类与特性 7 1.3 智能机器人的基本应用 8 1.3.1 智能驾驶 9 1.3.2 家用服务 9 1.3.3 物流运输 11 1.3.4 极端环境探测 12 1.3.5 军事应用 13 1.3.6 医护应用 14 1.4 智能机器人的主要研究内容 15 1.4.1 感知与学习 15 1.4.2 规划与决策 16 1.4.3 动力学与控制 16 1.4.4 人机交互 17 第2章 智能机器人基础 19 2.1 智能机器人数学基础 20 2.1.1 矩阵理论 20 2.1.2 几何学 22 2.1.3 概率学 23 2.1.4 数值分析 24 2.2 智能机器人运动学基础 25 2.2.1 刚体及刚体自由度 25 2.2.2 正向动力学及逆动力学 26 2.2.3 闭链运动学 28 2.2.4 开链运动学 29 2.2.5 运动规划 29 2.3 智能机器人控制学基础 30 2.3.1 PID控制算法基本原理 30 2.3.2 数字PID控制 32 2.3.3 神经网络控制算法 33 2.3.4 蚁群控制算法 35 2.4 智能机器人软件基础 36 2.4.1 OpenCV库介绍 37 2.4.2 Python调用OpenCV库实现人脸识别 39 2.4.3 Linux开发 42 2.4.4 Anaconda介绍、安装及Pytorch介绍、使用 44 2.4.5 基于Pytorch的语音识别 48 2.4.6 MATLAB介绍、安装及使用 54 2.5 智能机器人常用硬件 60 2.5.1 机器人移动装置 60 2.5.2 机器人感知装置 61 2.5.3 机器人主控装置 62 第3章 智能机器人视觉学习 68 3.1 机器人图像处理技术 69 3.1.1 图像处理基础 69 3.1.2 图像处理技术 70 3.2 深度学习 71 3.2.1 卷积神经网络 71 3.2.2 循环神经网络 81 3.2.3 基于神经网络的物体识别 85 3.3 多传感器数据融合 94 3.3.1 基本概念及原理 95 3.3.2 多传感器融合分类 96 3.3.3 多传感器融合常用方法 97 3.3.4 多传感器融合算法 104 第4章 智能机器人规则学习 107 4.1 强化学习 108 4.1.1 强化学习的概念 108 4.1.2 强化学习的分类 109 4.1.3 马尔科夫决策过程 110 4.1.4 动态规划 123 4.1.5 蒙特卡罗算法 125 4.1.6 时序差分算法 128 4.1.7 算法实践——迷宫寻宝 130 4.2 路径规划算法 143 4.2.1 传统路径规划算法 143 4.2.2 基于采样的路径规划算法 146 4.2.3 现代智能路径规划算法 150 4.2.4 算法实践——*短路径规划 157 第5章 聊天机器人 176 5.1 主要应用背景 176 5.2 算法原理 178 5.2.1 数据预处理 178 5.2.2 seq2seq模型原理 180 5.2.3 网络结构介绍 185 5.3 实践操作与步骤 186 5.3.1 实验环境 186 5.3.2 实验代码 188 5.3.3 实验操作及结果 189 5.4 总结与展望 192 第6章 智能循迹车 194 6.1 主要应用背景 194 6.2 技术原理 196 6.2.1 系统硬件组成 196 6.2.2 系统工作原理 203 6.3 实践操作与步骤 207 6.3.1 实验环境 207 6.3.2 实验代码 208 6.3.3 实验步骤及结果 209 6.4 总结与展望 218 第7章 五子棋机器人 219 7.1 背景介绍 220 7.2 技术原理 221 7.2.1 系统硬件组成 223 7.2.2 系统硬件工作原理 223 7.2.3 策略价值网络 226 7.2.4 蒙特卡罗树搜索算法 231 7.2.5 棋盘建模 232 7.2.6 系统总体流程 235 7.3 实践操作与步骤 236 7.3.1 实验环境 236 7.3.2 实验操作步骤及结果 237 7.4 总结与展望 241 第8章 象棋机器人 243 8.1 主要应用背景介绍 244 8.2 技术原理 246 8.2.1 棋盘检测算法 247 8.2.2 中国象棋人机博弈算法 255 8.3 实践操作与步骤 256 8.3.1 数据集介绍 256 8.3.2 实验环境 257 8.3.3 实验操作步骤及结果 258 8.4 总结与展望 259 第9章 智能眼控移动机器人 260 9.1 主要应用背景 260 9.2 算法原理 262 9.2.1 系统硬件组成 263 9.2.2 系统硬件工作原理 264 9.2.3 眼球识别网络 265 9.2.4 眼球分割网络 266 9.2.5 用户眼球方向识别 270 9.2.6 轮椅控制原理 271 9.3 实践操作与步骤 272 9.3.1 实验环境 272 9.3.2 实验操作步骤及结果 273 9.4 总结与展望 274 第10章 导盲机器人 276 10.1 主要应用背景 277 10.2 技术原理 278 10.2.1 系统硬件组成 279 10.2.2 系统工作原理 281 10.2.3 YOLO检测识别网络 281 10.2.4 SegNet图像分割网络原理 285 10.2.5 Show and Tell场景描述网络原理 289 10.3 悬空物体避障策略原理及实现 290 10.4 物体检测与识别实践操作 291 10.4.1 实验环境 291 10.4.2 实验代码 293 10.4.3 实验操作步骤及结果 294 10.5 FCN盲道分割实践操作 296 10.5.1 实验环境 296 10.5.2 实验代码 297 10.5.3 实验操作步骤及结果 298 10.6 总结与展望 299 第11章 自动驾驶智能汽车 301 11.1 主要应用背景 302 11.2 技术原理 304 11.2.1 系统硬件组成 304 11.2.2 系统硬件工作原理 305 11.3 实践操作与步骤 317 11.3.1 实验环境 317 11.3.2 实验代码 324 11.3.3 实验操作步骤及结果 326 11.4 总结与展望 331 第12章 智能机器人未来发展趋势 332 12.1 智能机器人的材料制造以及能源技术 332 12.1.1 智能机器人材料制造技术 332 12.1.2 智能机器人能源技术 334 12.2 人机交互技术 335 12.3 生物启发智能机器人技术 338 12.3.1 陆地仿生机器人 339 12.3.2 水中仿生机器人 343 12.3.3 空中仿生机器人 347 12.3.4 混合仿生机器人 350 12.3.5 群体智能机器人 351 12.4 智能机器人的安全性与可靠性 353 12.4.1 机器人安全基本和设计原则 353 12.4.2 智能机器人安全性挑战 355 12.5 智能机器人法律与道德 355 参考文献 357