本书介绍与移动机器人的控制、感知和规划技术相关的数学基础、系统模型、传感器技术和算法。数学基础方面，涵盖矩阵理论、刚体变换、线性与非线性优化、微分代数与微分方程、*优估计等；系统模型方面，涵盖运动学和动力学模型、控制系统模型、传感器和环境模型等；传感器技术方面，涵盖常用的车轮里程计、超声波传感器、激光雷达以及各种视觉传感器；算法方面，涵盖位姿估计、观测误差估计、同步定位和地图构建、运动规划等。本书可作为机器人学相关专业高年级本科生和研究生的教材，也可供该领域的科研人员和工程技术人员参考。

---作者简介--- 阿朗佐·凯利（Alonzo Kelly） 卡内基·梅隆大学机器人研究所教授，研究方向包括机器人的建模、控制、位置估计、运动规划以及人机交互。在回归学术界之前，他曾在航天工业领域从业十年。 ---译者简介--- 王巍 北京航空航天大学机器人研究所教授，长期从事机器人学相关的科研与教学工作，研究方向为移动机器人系统设计和导航控制。承担多项科学基金和横向科研课题及工程，完成国家自然科学基金等项目40余项，发表论文100余篇，获得国家发明专利20余项。 崔维娜 北京化工大学教师，主要从事工程制图、计算机辅助设计、计算机图形学、机器人学等方面的研究与教学工作。

译者序
前言
第1章　绪论 1
1.1　移动机器人应用 1
1.2　移动机器人分类 2
1.2.1　地面自主移动机器人 2
1.2.2　服务机器人 2
1.2.3　清洁和草坪护理机器人 3
1.2.4　社交机器人 3
1.2.5　野外机器人 4
1.2.6　检测、侦查、监控和勘探机器人 5
1.3　移动机器人工程 6
1.3.1　移动机器人子系统 6
1.3.2　全书概述 6
1.3.3　轮式移动机器人基础 8
1.3.4　参考文献与延伸阅读 9
1.3.5　习题 9
第2章　数学基础 10
2.1　约定和定义 10
2.1.1　符号约定 10
2.1.2　附体坐标系 14
2.1.3　参考文献与延伸阅读 16
2.2　矩阵基础 17
2.2.1　矩阵运算 17
2.2.2　矩阵函数 19
2.2.3　矩阵求逆 20
2.2.4　秩–零化度定理 22
2.2.5　矩阵代数 23
2.2.6　矩阵微积分 25
2.2.7　莱布尼茨法则 31
2.2.8　参考文献与延伸阅读 32
2.2.9　习题 32
2.3　刚体变换基础 33
2.3.1　定义 33
2.3.2　为什么使用齐次变换 33
2.3.3　语义和解释 34
2.3.4　参考文献与延伸阅读 43
2.3.5　习题 44
2.4　机构运动学 45
2.4.1　正运动学 45
2.4.2　逆运动学 49
2.4.3　微分运动学 52
2.4.4　参考文献与延伸阅读 54
2.4.5　习题 54
2.5　方向和角速度 55
2.5.1　欧拉角形式的方向表示 56
2.5.2　角速度和小角度 59
2.5.3　欧拉角形式的角速度与方向变化率 61
2.5.4　轴角形式的角速度与方向变化率 62
2.5.5　参考文献与延伸阅读 63
2.5.6　习题 64
2.6　传感器的运动学模型 64
2.6.1　摄像机的运动学模型 64
2.6.2　激光测距传感器的运动学模型 65
2.6.3　参考文献与延伸阅读 71
2.6.4　习题 71
2.7　变换图与位姿网络 71
2.7.1　关系变换 71
2.7.2　位姿网络求解 74
2.7.3　过约束网络 75
2.7.4　用于一般位置坐标系的微分运动学 77
2.7.5　参考文献与延伸阅读 81
2.7.6　习题 81
2.8　四元数 82
2.8.1　表示和符号 82
2.8.2　四元数乘法 83
2.8.3　其他四元数运算 85
2.8.4　三维旋转表示 86
2.8.5　姿态和角速度 88
2.8.6　参考文献与延伸阅读 90
2.8.7　习题 90
第3章　数值方法 92
3.1　向量函数的线性化和优化 92
3.1.1　线性化 93
3.1.2　目标函数优化 94
3.1.3　约束优化 98
3.1.4　参考文献与延伸阅读 103
3.1.5　习题 103
3.2　方程组 103
3.2.1　线性系统 103
3.2.2　非线性系统 108
3.2.3　参考文献与延伸阅读 110
3.2.4　习题 110
3.3　非线性优化和约束优化 111
3.3.1　非线性优化 111
3.3.2　约束优化 116
3.3.3　参考文献与延伸阅读 119
3.3.4　习题 120
3.4　微分代数系统 120
3.4.1　约束动力学 121
3.4.2　一阶和二阶约束运动学系统 123
3.4.3　拉格朗日动力学 125
3.4.4　约束 129
3.4.5　参考文献与延伸阅读 133
3.4.6　习题 133
3.5　微分方程的积分 134
3.5.1　状态空间中的动力学模型 134
3.5.2　状态空间模型的积分 134
3.5.3　参考文献与延伸阅读 137
3.5.4　习题 137
第4章　动力学 138
4.1　动坐标系 138
4.1.1　观测问题 138
4.1.2　改变参考系 139
4.1.3　应用实例：姿态稳定裕度估计 143
4.1.4　运动状态的递归变换 145
4.1.5　参考文献和延伸阅读 148
4.1.6　习题 149
4.2　轮式移动机器人运动学 149
4.2.1　刚体运动概况 150
4.2.2　轮式移动机器人固定接触点的速度运动学 152
4.2.3　常用转向系统配置 155
4.2.4　参考文献和延伸阅读 159
4.2.5　习题 160
4.3　约束运动学与动力学 160
4.3.1　禁止方向的约束 161
4.3.2　纯滚动（无侧滑）约束 165
4.3.3　拉格朗日动力学 168
4.3.4　地形接触 173
4.3.5　轨迹估计与预测 175
4.3.6　参考文献和延伸阅读 179
4.3.7　习题 180
4.4　线性系统理论概述 181
4.4.1　线性定常系统 181
4.4.2　线性动态系统的状态空间表示 187
4.4.3　非线性动态系统 190
4.4.4　非线性动态系统的扰动动力学 192
4.4.5　参考文献与延伸阅读 194
4.4.6　习题 195
4.5　预测模型与系统辨识 195
4.5.1　制动 196
4.5.2　转向 197
4.5.3　车辆翻倒 199
4.5.4　车轮打滑和偏航稳定性 202
4.5.5　动力学模型的参数化和线性化 204
4.5.6　系统辨识 207
4.5.7　参考文献与延伸阅读 213
4.5.8　习题 214
第5章　最优估计 215
5.1　随机变量、随机过程与随机变换 215
5.1.1　不确定性的表征 215
5.1.2　随机变量 216
5.1.3　不确定性变换 222
5.1.4　随机过程 229
5.1.5　参考文献与延伸阅读 234
5.1.6　习题 234
5.2　协方差传播与最优估计 235
5.2.1　连续积分与平均过程的方差 235
5.2.2　随机积分 239
5.2.3　最优估计 244
5.2.4　参考文献与延伸阅读 251
5.2.5　习题 251
5.3　状态空间卡尔曼滤波器 252
5.3.1　引言 252
5.3.2　线性离散时间卡尔曼滤波 254
5.3.3　非线性系统的卡尔曼滤波 256
5.3.4　简单应用实例：二维平面的移动机器人 260
5.3.5　关于卡尔曼滤波的实用信息 269
5.3.6　其他形式的卡尔曼滤波 274
5.3.7　参考文献与延伸阅读 274
5.3.8　习题 275
5.4　贝叶斯估计 276
5.4.1　定义 276
5.4.2　贝叶斯法则 278
5.4.3　贝叶斯滤波 282
5.4.4　贝叶斯建图 286
5.4.5　贝叶斯定位 292
5.4.6　参考文献与延伸阅读 295
5.4.7　习题 295
第6章　状态估计 296
6.1　位姿估计的数学基础 296
6.1.1　位姿修正与航位推算法 296
6.1.2　位姿修正 298
6.1.3　三角测量中的误差传播 300
6.1.4　实际位姿修正系统 307
6.1.5　航位推算法 308
6.1.6　实际航位推算系统 316
6.1.7　参考文献与延伸阅读 316
6.1.8　习题 317
6.2　用于状态估计的传感器 318
6.2.1　关节传感器 318
6.2.2　环境场传感器 319
6.2.3　惯性参考系 320
6.2.4　惯性传感器 322
6.2.5　参考文献与延伸阅读 327
6.2.6　习题 327
6.3　惯性导航系统 328
6.3.1　引言 328
6.3.2　惯性导航的数学原理 328
6.3.3　惯性导航中的误差和辅助系统 332
6.3.4　应用实例：简单的里程计辅助姿态航向基准系统 335
6.3.5　参考文献与延伸阅读 338
6.3.6　习题 338
6.4　卫星导航系统 339
6.4.1　引言 339
6.4.2　工作原理 339
6.4.3　状态测量 340
6.4.4　性能参数 343
6.4.5　运行模式 345
6.4.6　参考文献与延伸阅读 346
6.4.7　习题 346
第7章　控制 348
7.1　经典控制 348
7.1.1　引言 348
7.1.2　虚拟弹簧阻尼系统 351
7.1.3　反馈控制 353
7.1.4　参考模型和前馈控制 358
7.1.5　参考文献与延伸阅读 361
7.1.6　习题 361
7.2　状态空间控制 362
7.2.1　引言 362
7.2.2　状态空间反馈控制 363
7.2.3　应用实例：机器人轨迹跟踪 366
7.2.4　感知控制 370
7.2.5　转向轨迹生成 372
7.2.6　参考文献与延伸阅读 377
7.2.7　习题 378
7.3　预测控制的优化与建模 378
7.3.1　变分法 378
7.3.2　最优控制 381
7.3.3　模型预测控制 385
7.3.4　求解最优控制问题的方法 387
7.3.5　参数化最优控制 390
7.3.6　参考文献与延伸阅读 393
7.3.7　习题 394
7.4　智能控制 394
7.4.1　引言 395
7.4.2　评价 397
7.4.3　表达 399
7.4.4　搜索 405
7.4.5　参考文献与延伸阅读 409
7.4.6　习题 410
第8章　感知 411
8.1　图像处理算子与算法 411
8.1.1　计算机视觉算法分类 412
8.1.2　高通滤波算子 413
8.1.3　低通算子 417
8.1.4　信号和图像匹配 418
8.1.5　特征检测 420
8.1.6　区域处理 422
8.1.7　参考文献与延伸阅读 425
8.1.8　习题 425
8.2　非接触传感器的物理特性及原理 426
8.2.1　非接触传感器 426
8.2.2　测距技术 427
8.2.3　辐射信号 430
8.2.4　透镜、滤光片和反射镜 436
8.2.5　参考文献与延伸阅读 439
8.2.6　习题 440
8.3　感知传感器 440
8.3.1　激光测距传感器 440
8.3.2　超声波测距传感器 444
8.3.3　可见光摄像机 445
8.3.4　中远红外波长摄像机 447
8.3.5　雷达 449
8.3.6　参考文献与延伸阅读 451
8.3.7　习题 451
8.4　几何级与语义级计算机视觉概述 451
8.4.1　像素级分类 451
8.4.2　计算立体视觉 453
8.4.3　障碍物探测 456
8.4.4　参考文献与延伸阅读 459
8.4.5　习题 459
第9章　定位和地图构建 462
9.1　表示和问题 462
9.1.1　引言 462
9.1.2　表示 463
9.1.3　定时和运动问题 465
9.1.4　定位的相关问题 466
9.1.5　结构概述 468
9.1.6　应用实例：无人地面车辆的地形地图 469
9.1.7　参考文献与延伸阅读 473
9.1.8　习题 473
9.2　视觉定位和运动估计 473
9.2.1　引言 473
9.2.2　定位和运动估计的信号对准 479
9.2.3　用于定位和运动估计的特征匹配 483
9.2.4　搜索最优位姿 488
9.2.5　参考文献与延伸阅读 496
9.2.6　习题 497
9.3　同步定位与地图构建 498
9.3.1　引言 498
9.3.2　循环构建地图的全局一致性 499
9.3.3　回访检测 503
9.3.4　离散路标的EKF SLAM 505
9.3.5　应用实例：激光反射器的自动探测 508
9.3.6　参考文献与延伸阅读 510
9.3.7　习题 511
第10章　运动规划 512
10.1　引言 512
10.1.1　路径规划简介 513
10.1.2　路径规划的系统阐述 514
10.1.3　无障碍运动规划 515
10.1.4　参考文献与延伸阅读 516
10.1.5　习题 517
10.2　全局路径规划的表示与搜索 517
10.2.1　连续运动规划 517
10.2.2　最优搜索的重要创意 522
10.2.3　一致代价序贯规划算法 525
10.2.4　加权序贯规划 529
10.2.5　序贯运动规划的实现 536
10.2.6　参考文献与延伸阅读 538
10.2.7　习题 539
10.3　实时全局运动规划：在未知的动态环境中的移动 539
10.3.1　引言 539
10.3.2　有限深度搜索 541
10.3.3　实时方法 543
10.3.4　规划修正方法：D*算法 544
10.3.5　分层规划 551
10.3.6　参考文献与延伸阅读 553
10.3.7　习题 553
索引 554