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最大似然估计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