智能機器人

陈良，浙江大学和柏林工业大学博士，现为苏州大学自动化系主任，苏州大学智能装备系统控制研究所所长、机电工程学院院长助理。苏州工业园区科技领军人才、江苏省双创博士、江苏省智慧交通大数据服务工程技术研究中心主任、中文核心期刊《现代制造工程》编委。主要研究方向基于深度学习的人工智能与智能控制系统，智能制造过程建模、优化与控制等。

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圖靈測試　2

1.2　機器人的概念　2

1.2.1　機器人的誕生　2

1.2.2　機器人的種類　4

1.3　智能機器人的概念　5

1.3.1　智能機器人的定義　5

1.3.2　機器人的智能水平評價　5

1.4　智能機器人的架構　7

1.4.1智能機器人的經典架構　7

1.4.2　智能機器人的網聯雲控架構　8

1.5　典型的智能機器人　10

1.5.1波士頓動力機器人　10

1.5.2　Pepper　12

1.5.3　AlphaGo　13

1.5.4　小途機器人　13

1.5.5　好奇號火星車　14

1.5.6　自動駕駛與無人配送　15

1.6　本章小結　16

1.7　習題　16

第　2章 機器人基礎　18

2.1　機器人的運動描述　18

2.1.1　坐標系與位姿　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　24

2.2　機器人的感知系統　26

2.2.1　機器人傳感器的特性　26

2.2.2　內部傳感器　28

2.2.3　外部傳感器　32

2.3　機器人的通信系統　34

2.3.1　有線通信　34

2.3.2　無線通信　36

2.4　機器人操作系統　38

2.4.1　ROS基礎　39

2.4.2　ROS應用　42

2.5　本章小結　45

2.6　習題　45

第三章　機器人定位與導航　47

3.1　機器人定位技術　47

3.1.1　航跡推算　47

3.1.2　位姿估計　49

3.2　機器人學中的地圖　50

3.2.1　使用地圖　51

3.2.2　創建地圖　56

3.2.3　定位並建圖　60

3.2　機器人導航技術　63

3.2.1　反應式導航　64

3.2.2　基於地圖的導航　67

3.4　本章小結　71

3.5　習題　71

第四章　機器人路徑規劃　72

4.1路徑規劃概述　72

4.1.1路徑規劃定義　72

4.1.2路徑規劃分類　73

4.2人工勢場法路徑規劃　74

4.2.1勢場法概述　74

4.2.2勢場函數建立　74

4.3柵格法路徑規劃　76

4.3.1　狀態空間搜索　76

4.3.2　A*算法路徑規劃　78

4.3.3　D*算法路徑規劃　80

4.4　全覆蓋路徑規劃　82

4.4.1　全覆蓋路徑規劃問題　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　88

4.6　習題　88

第五章　智能機器人SLAM　90

5.1　機器人SLAM　90

5.1.1　SLAM定義　91

5.1.2　SLAM數學描述　91

5.2　機器人激光雷達SLAM　93

5.2.1　激光雷達　93

5.2.2　基於擴展卡爾曼濾波的SLAM　93

5.2.3　基於粒子濾波的SLAM　97

5.2.4　基於圖優化的SLAM　98

5.3　視覺SLAM基礎　101

5.3.1　vSLAM的概念　101

5.3.2　特徵提取　102

5.3.3視覺里程計　106

5.3.4後端優化與建圖　109

5.3.5回環檢測與詞袋模型　110

5.3　本章小結　114

5.4　習題　114

第六章　智能機器人視覺　115

6.1　機器人視覺系統　115

6.1.1　機器人視覺的含義　115

6.1.2　機器人視覺系統的組成　116

6.1.3　單目/雙目機器人視覺　117

6.1.4　RGB-D機器人視覺　117

6.2　視覺目標檢測方法　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　深度學習在機器人視覺中的應用　132

6.4.1　回環檢測　133

6.4.2　語義地圖　134

6.4.3　三維重建　135

6.4.4　人臉識別　135

6.5　本章小結　136

6.6　習題　136

第七章　智能機器人語音　138

7.1　自然語言處理NLP概述　138

7.1.1　NLP及其歷史　138

7.1.2　NLP新技術框架　139

7.2　自然語言處理的深度學習模型和方法　140

7.2.1　遞歸神經網絡　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　機器人語音技術AIUI開放平臺　152

7.3.1　機器人語音技術概述　152

7.3.2　應用領域　153

7.3.3　產品框架　153

7.4　機器人語音解決方案與應用實踐　154

7.4.1　基於註意力機制的LSTM端到端語音識別　154

7.4.2　醫療智能問答機器人　163

7.5　本章小結　169

7.6　習題　169

第八章　智能機器人創新設計　170

8.1　激光雷達導航智能車設計案例　170

8.1.1　案例介紹　170

8.1.2　方案設計　170

8.1.3　軟硬件設置　172

8.1.4　調試與建圖　178

8.2　視覺導航智能車設計案例　181

8.2.1本體設計與製作　181

8.2.3軟件體系架構設計　183

8.2.4　自主避障方案　189

8.3　服務機器人設計案例　193

8.4　本章小結　200

8.5　習題　200

第九章：機器人智能應用開發實踐　201

9.1　機器人智能應用開發基礎　201

9.1.1　應用開發平臺　201

9.1.2　應用開發環境的搭建與配置　202

9.1.3　智能應用的開發、編譯與調試　206

9.2　語音交互智能應用開發實踐　212

9.2.1　語音合成能力集成　212

9.2.2　語音識別與語義理解能力集成　217

9.2.3　語義交互綜合應用實踐　228

9.3　機器人導航智能應用開發實踐　246

9.3.1　機器人地圖的構建與導航點位　247

9.3.2　機器人底盤移動能力集成　251

9.3.3　智能導航應用　253

9.4　圖像識別智能應用開發實踐　254

9.4.1　人臉識別能力集成　256

9.4.2　“人證合一”應用實現　259

9.5　智能應用開發綜合實踐　261

9.5.1　綜合開發流程　261

9.5.2　綜合應用需求　262

9.5.3　綜合應用的設計與集成　262

9.5.4　綜合應用的測試與發布　270

9.6　本章小結　272

9.7　習題　272

參考文獻　274