智能機(jī)器人

目 錄

第 一章 緒論 1
1．1 智能的概念 1
1．1．1人工智能的誕生 1
1．1．2圖靈測(cè)試 2
1．2 機(jī)器人的概念 2
1．2．1 機(jī)器人的誕生 2
1．2．2 機(jī)器人的種類 4
1．3 智能機(jī)器人的概念 5
1．3．1 智能機(jī)器人的定義 5
1．3．2 機(jī)器人的智能水平評(píng)價(jià) 5
1．4 智能機(jī)器人的架構(gòu) 7
1．4．1智能機(jī)器人的經(jīng)典架構(gòu) 7
1．4．2 智能機(jī)器人的網(wǎng)聯(lián)云控架構(gòu) 8
1．5 典型的智能機(jī)器人 10
1．5．1波士頓動(dòng)力機(jī)器人 10
1．5．2 Pepper 12
1．5．3 AlphaGo 13
1．5．4 小途機(jī)器人 13
1．5．5 好奇號(hào)火星車 14
1．5．6 自動(dòng)駕駛與無(wú)人配送 15
1．6 本章小結(jié) 16
1．7 習(xí)題 16
第 2章 機(jī)器人基礎(chǔ) 18
2．1 機(jī)器人的運(yùn)動(dòng)描述 18
2．1．1 坐標(biāo)系與位姿 18
2．1．2 二維位姿 19
2．1．3 三維位姿 21
2．1．4 平移與旋轉(zhuǎn) 24
2．2 機(jī)器人的感知系統(tǒng) 26
2．2．1 機(jī)器人傳感器的特性 26
2．2．2 內(nèi)部傳感器 28
2．2．3 外部傳感器 32
2．3 機(jī)器人的通信系統(tǒng) 34
2．3．1 有線通信 34
2．3．2 無(wú)線通信 36
2．4 機(jī)器人操作系統(tǒng) 38
2．4．1 ROS基礎(chǔ) 39
2．4．2 ROS應(yīng)用 42
2．5 本章小結(jié) 45
2．6 習(xí)題 45
第三章 機(jī)器人定位與導(dǎo)航 47
3．1 機(jī)器人定位技術(shù) 47
3．1．1 航跡推算 47
3．1．2 位姿估計(jì) 49
3．2 機(jī)器人學(xué)中的地圖 50
3．2．1 使用地圖 51
3．2．2 創(chuàng)建地圖 56
3．2．3 定位并建圖 60
3．2 機(jī)器人導(dǎo)航技術(shù) 63
3．2．1 反應(yīng)式導(dǎo)航 64
3．2．2 基于地圖的導(dǎo)航 67
3．4 本章小結(jié) 71
3．5 習(xí)題 71
第四章 機(jī)器人路徑規(guī)劃 72
4．1路徑規(guī)劃概述 72
4．1．1路徑規(guī)劃定義 72
4．1．2路徑規(guī)劃分類 73
4．2人工勢(shì)場(chǎng)法路徑規(guī)劃 74
4．2．1勢(shì)場(chǎng)法概述 74
4．2．2勢(shì)場(chǎng)函數(shù)建立 74
4．3柵格法路徑規(guī)劃 76
4．3．1 狀態(tài)空間搜索 76
4．3．2 A*算法路徑規(guī)劃 78
4．3．3 D*算法路徑規(guī)劃 80
4．4 全覆蓋路徑規(guī)劃 82
4．4．1 全覆蓋路徑規(guī)劃問題 82
4．4．2單元分解法 83
4．4．3柵格地圖法 85
4．5 本章小結(jié) 88
4．6 習(xí)題 88
第五章 智能機(jī)器人SLAM 90
5．1 機(jī)器人SLAM 90
5．1．1 SLAM定義 91
5．1．2 SLAM數(shù)學(xué)描述 91
5．2 機(jī)器人激光雷達(dá)SLAM 93
5．2．1 激光雷達(dá) 93
5．2．2 基于擴(kuò)展卡爾曼濾波的SLAM 93
5．2．3 基于粒子濾波的SLAM 97
5．2．4 基于圖優(yōu)化的SLAM 98
5．3 視覺SLAM基礎(chǔ) 101
5．3．1 vSLAM的概念 101
5．3．2 特征提取 102
5．3．3視覺里程計(jì) 106
5．3．4后端優(yōu)化與建圖 109
5．3．5回環(huán)檢測(cè)與詞袋模型 110
5．3 本章小結(jié) 114
5．4 習(xí)題 114
第六章 智能機(jī)器人視覺 115
6．1 機(jī)器人視覺系統(tǒng) 115
6．1．1 機(jī)器人視覺的含義 115
6．1．2 機(jī)器人視覺系統(tǒng)的組成 116
6．1．3 單目/雙目機(jī)器人視覺 117
6．1．4 RGB-D機(jī)器人視覺 117
6．2 視覺目標(biāo)檢測(cè)方法 118
6．2．1 R-CNN 118
6．2．2 Fast R-CNN 119
6．2．3 Faster R-CNN 121
6．2．4 YOLO 123
6．3 視覺SLAM方案 125
6．3．1 ORB-SLAM2 127
6．3．2 LSD-SLAM 129
6．3．3 RGB-D SLAM 131
6．4 深度學(xué)習(xí)在機(jī)器人視覺中的應(yīng)用 132
6．4．1 回環(huán)檢測(cè) 133
6．4．2 語(yǔ)義地圖 134
6．4．3 三維重建 135
6．4．4 人臉識(shí)別 135
6．5 本章小結(jié) 136
6．6 習(xí)題 136
第七章 智能機(jī)器人語(yǔ)音 138
7．1 自然語(yǔ)言處理NLP概述 138
7．1．1 NLP及其歷史 138
7．1．2 NLP新技術(shù)框架 139
7．2 自然語(yǔ)言處理的深度學(xué)習(xí)模型和方法 140
7．2．1 遞歸神經(jīng)網(wǎng)絡(luò) 140
7．2．2 LSTM 141
7．2．2 Word2Vec 142
7．2．3 ELMO 144
7．2．4 Transformer 146
7．2．5 BERT 149
7．3 機(jī)器人語(yǔ)音技術(shù)AIUI開放平臺(tái) 152
7．3．1 機(jī)器人語(yǔ)音技術(shù)概述 152
7．3．2 應(yīng)用領(lǐng)域 153
7．3．3 產(chǎn)品框架 153
7．4 機(jī)器人語(yǔ)音解決方案與應(yīng)用實(shí)踐 154
7．4．1 基于注意力機(jī)制的LSTM端到端語(yǔ)音識(shí)別 154
7．4．2 醫(yī)療智能問答機(jī)器人 163
7．5 本章小結(jié) 169
7．6 習(xí)題 169
第八章 智能機(jī)器人創(chuàng)新設(shè)計(jì) 170
8．1 激光雷達(dá)導(dǎo)航智能車設(shè)計(jì)案例 170
8．1．1 案例介紹 170
8．1．2 方案設(shè)計(jì) 170
8．1．3 軟硬件設(shè)置 172
8．1．4 調(diào)試與建圖 178
8．2 視覺導(dǎo)航智能車設(shè)計(jì)案例 181
8．2．1本體設(shè)計(jì)與制作 181
8．2．3軟件體系架構(gòu)設(shè)計(jì) 183
8．2．4 自主避障方案 189
8．3 服務(wù)機(jī)器人設(shè)計(jì)案例 193
8．4 本章小結(jié) 200
8．5 習(xí)題 200
第九章：機(jī)器人智能應(yīng)用開發(fā)實(shí)踐 201
9．1 機(jī)器人智能應(yīng)用開發(fā)基礎(chǔ) 201
9．1．1 應(yīng)用開發(fā)平臺(tái) 201
9．1．2 應(yīng)用開發(fā)環(huán)境的搭建與配置 202
9．1．3 智能應(yīng)用的開發(fā)、編譯與調(diào)試 206
9．2 語(yǔ)音交互智能應(yīng)用開發(fā)實(shí)踐 212
9．2．1 語(yǔ)音合成能力集成 212
9．2．2 語(yǔ)音識(shí)別與語(yǔ)義理解能力集成 217
9．2．3 語(yǔ)義交互綜合應(yīng)用實(shí)踐 228
9．3 機(jī)器人導(dǎo)航智能應(yīng)用開發(fā)實(shí)踐 246
9．3．1 機(jī)器人地圖的構(gòu)建與導(dǎo)航點(diǎn)位 247
9．3．2 機(jī)器人底盤移動(dòng)能力集成 251
9．3．3 智能導(dǎo)航應(yīng)用 253
9．4 圖像識(shí)別智能應(yīng)用開發(fā)實(shí)踐 254
9．4．1 人臉識(shí)別能力集成 256
9．4．2 “人證合一”應(yīng)用實(shí)現(xiàn) 259
9．5 智能應(yīng)用開發(fā)綜合實(shí)踐 261
9．5．1 綜合開發(fā)流程 261
9．5．2 綜合應(yīng)用需求 262
9．5．3 綜合應(yīng)用的設(shè)計(jì)與集成 262
9．5．4 綜合應(yīng)用的測(cè)試與發(fā)布 270
9．6 本章小結(jié) 272
9．7 習(xí)題 272
參考文獻(xiàn) 274