本书针对轮式移动机器人建模、控制和导航方法进行了全面的分析和研究，它首先从移动机器人驱动和相关的运动学以及动力学模型入手，然后对各种基于模型、无模型和基于视觉的控制器进行测试，并统一证明它们的稳定性和跟踪性能，同时还解决路径、运动和任务规划以及定位和映射主题的问题。这本书提供了大量的实验结果，系统和软件移动机器人控制架构的概念概述，以及轮式移动机器人和控制器在工业和生活中的应用。

译者序<br/>前言<br/>主要符号与首字母缩写<br/>关于机器人的名人语录<br/>第1章　移动机器人：一般概念1<br/>　1.1　引言1<br/>　1.2　机器人的定义和历史1<br/>　　1.2.1　机器人是什么1<br/>　　1.2.2　机器人的发展历史2<br/>　1.3　地面机器人运动8<br/>　　1.3.1　腿式运动8<br/>　　1.3.2　轮式运动10<br/>　参考文献22<br/>第2章　移动机器人运动学23<br/>　2.1　引言23<br/>　2.2　背景概念23<br/>　　2.2.1　机器人的正逆运动学23<br/>　　2.2.2　齐次变换26<br/>　　2.2.3　非完整约束28<br/>　2.3　非完整约束移动机器人30<br/>　　2.3.1　独轮车30<br/>　　2.3.2　差分驱动WMR31<br/>　　2.3.3　三轮车35<br/>　　2.3.4　类车WMR36<br/>　　2.3.5　链与Brockett积分器模型40<br/>　　2.3.6　牵引车-挂车WMR41<br/>　2.4　全向WMR的运动学建模43<br/>　　2.4.1　通用多轮全向WMR43<br/>　　2.4.2　带有麦克纳姆轮的四轮全向WMR45<br/>　参考文献48<br/>第3章　移动机器人动力学50<br/>　3.1　引言50<br/>　3.2　通用机器人动力学建模50<br/>　　3.2.1　牛顿-欧拉动力学模型51<br/>　　3.2.2　拉格朗日动力学模型52<br/>　　3.2.3　多连杆机器人的拉格朗日模型52<br/>　　3.2.4　非完整约束机器人的动力学建模52<br/>　3.3　差分驱动轮式移动机器人53<br/>　　3.3.1　牛顿-欧拉动力学模型53<br/>　　3.3.2　拉格朗日动力学模型54<br/>　　3.3.3　滑移式WMR的动力学56<br/>　3.4　类车轮式移动动力学模型60<br/>　3.5　三轮全向移动机器人62<br/>　3.6　四麦轮全向机器人66<br/>　参考文献71<br/>第4章　移动机器人传感器72<br/>　4.1　引言72<br/>　4.2　传感器的分类与特性72<br/>　　4.2.1　传感器分类72<br/>　　4.2.2　传感器特性74<br/>　4.3　位置传感器和速度传感器74<br/>　　4.3.1　位置传感器74<br/>　　4.3.2　速度传感器76<br/>　4.4　距离传感器76<br/>　　4.4.1　声呐传感器76<br/>　　4.4.2　激光传感器77<br/>　　4.4.3　红外传感器78<br/>　4.5　机器人视觉79<br/>　　4.5.1　一般问题79<br/>　　4.5.2　传感81<br/>　　4.5.3　预处理84<br/>　　4.5.4　图像分割85<br/>　　4.5.5　图像描述85<br/>　　4.5.6　图像识别85<br/>　　4.5.7　图像解释86<br/>　　4.5.8　全向视觉86<br/>　4.6　其他机器人传感器91<br/>　　4.6.1　陀螺仪91<br/>　　4.6.2　罗盘92<br/>　　4.6.3　力传感器和触觉传感器92<br/>　4.7　全球定位系统94<br/>　4.8　镜头与相机光学元件95<br/>　参考文献97<br/>第5章　移动机器人控制I：基于李雅普诺夫的方法98<br/>　5.1　引言98<br/>　5.2　背景概念98<br/>　　5.2.1　状态空间模型98<br/>　　5.2.2　李雅普诺夫稳定性102<br/>　　5.2.3　状态反馈控制105<br/>　　5.2.4　二阶系统106<br/>　5.3　通用机器人控制器109<br/>　　5.3.1　PD位置控制109<br/>　　5.3.2　基于李雅普诺夫稳定性的控制设计110<br/>　　5.3.3　计算力矩控制111<br/>　　5.3.4　笛卡儿空间中的机器人控制112<br/>　5.4　差分驱动移动机器人的控制113<br/>　　5.4.1　非线性运动跟踪控制114<br/>　　5.4.2　动态跟踪控制116<br/>　5.5　差分驱动移动机器人的计算力矩控制117<br/>　　5.5.1　运动跟踪控制117<br/>　　5.5.2　动态跟踪控制118<br/>　5.6　类车移动机器人的控制121<br/>　　5.6.1　停车控制121<br/>　　5.6.2　引导-跟随系统的控制123<br/>　5.7　全向移动机器人的控制126<br/>　参考文献130<br/>第6章　移动机器人控制II：仿射系统和不变流形方法131<br/>　6.1　引言131<br/>　6.2　背景概念132<br/>　　6.2.1　仿射动态系统132<br/>　　6.2.2　流形137<br/>　　6.2.3　使用不变集的李雅普诺夫稳定性139<br/>　6.3　移动机器人的反馈线性化141<br/>　　6.3.1　一般问题141<br/>　　6.3.2　差分驱动机器人输入-输出反馈线性化与轨迹跟踪147<br/>　6.4　使用不变集的移动机器人反馈稳定控制156<br/>　　6.4.1　采用链式模型的独轮车的稳定控制156<br/>　　6.4.2　由双Brockett积分器建模的差分驱动机器人的动态控制158<br/>　　6.4.3　采用链式模型的类车机器人的稳定控制160<br/>　参考文献167<br/>第7章　移动机器人控制III：自适应控制和鲁棒控制168<br/>　7.1　引言168<br/>　7.2　背景概念168<br/>　　7.2.1　模型参考自适应控制168<br/>　　7.2.2　鲁棒非线性滑模控制170<br/>　　7.2.3　使用李雅普诺夫稳定方法的鲁棒控制173<br/>　7.3　移动机器人的模型参考自适应控制175<br/>　　7.3.1　差分驱动WMR175<br/>　　7.3.2　通过输入-输出线性化实现自适应控制176<br/>　　7.3.3　全向机器人179<br/>　7.4　移动机器人的滑模控制182<br/>　7.5　极坐标系中的滑模控制184<br/>　　7.5.1　建模184<br/>　　7.5.2　滑模控制185<br/>　7.6　利用李雅普诺夫方法对差分驱动机器人实现鲁棒控制186<br/>　　7.6.1　标称控制器188<br/>　　7.6.2　鲁棒控制器188<br/>　参考文献190<br/>第8章　移动机器人控制IV：模糊方法和神经方法191<br/>　8.1　引言191<br/>　8.2　背景概念192<br/>　　8.2.1　模糊系统192<br/>　　8.2.2　神经网络196<br/>　8.3　模糊和神经机器人控制：一般问题202<br/>　　8.3.1　模糊机器人控制202<br/>　　8.3.2　神经机器人控制204<br/>　8.4　移动机器人的模糊控制205<br/>　　8.4.1　自适应模糊跟踪控制器205<br/>　　8.4.2　Dubins汽车的模糊局部路径跟踪210<br/>　　8.4.3　模糊滑模控制214<br/>　8.5　移动机器人的神经控制220<br/>　　8.5.1　采用MLP网络的自适应跟踪控制器220<br/>　　8.5.2　采用RBF网络的自适应跟踪控制器223<br/>　　8.5.3　神经控制器的稳定性证明223<br/>　参考文献224<br/>第9章　移动机器人控制V：基于视觉的方法226<br/>　9.1　引言226<br/>　9.2　背景概念226<br/>　　9.2.1　机器人视觉控制的分类226<br/>　　9.2.2　运动学变换227<br/>　　9.2.3　相机视觉转换228<br/>　　9.2.4　图像的雅可比矩阵230<br/>　9.3　基于位置的视觉控制：一般问题233<br/>　　9.3.1　点到点定位233<br/>　　9.3.2　基于位姿的运动控制234<br/>　9.4　基于图像的视觉控制：一般问题234<br/>　　9.4.1　逆雅可比矩阵的应用234<br/>　　9.4.2　转置拓展雅可比矩阵的应用235<br/>　　9.4.3　图像雅可比矩阵的估计236<br/>　9.5　移动机器人视觉控制237<br/>　　9.5.1　位姿稳定控制238<br/>　　9.5.2　墙壁跟踪控制240<br/>　　9.5.3　引导-跟随系统的控制241<br/>　9.6　视野中的路标保持243<br/>　9.7　自适应线性路径跟随视觉控制247<br/>　　9.7.1　图像雅可比矩阵247<br/>　　9.7.2　视觉控制器249<br/>　9.8　基于图像的移动机器人视觉伺服253<br/>　9.9　使用全向视觉的移动机器人视觉伺服254<br/>　　9.9.1　一般问题：双曲线、抛物线与椭圆方程254<br/>　　9.9.2　折反射投影几何257<br/>　　9.9.3　基于全向视觉的移动机器人视觉伺服263<br/>　参考文献271<br/>第10章　移动机械臂：建模和控制274<br/>　10.1　引言274<br/>　10.2　背景概念274<br/>　　10.2.1　DenavitHartenberg方法274<br/>　　10.2.2　机器人的逆运动学276<br/>　　10.2.3　可操作性测量277<br/>　　10.2.4　平面双连杆机器人278<br/>　10.3　移动机械臂的建模281<br/>　　10.3.1　一般运动学模型281<br/>　　10.3.2　一般动力学模型283<br/>　　10.3.3　五自由度非完整约束移动机械臂的建模283<br/>　　10.3.4　全向移动机械臂的建模287<br/>　10.4　移动机械臂的控制290<br/>　　10.4.1　差分驱动移动机械臂的计算力矩控制290<br/>　　10.4.2　全向移动机械臂的滑模控制291<br/>　10.5　基于视觉的移动机械臂控制296<br/>　　10.5.1　一般问题296<br/>　　10.5.2　全状态移动机械臂视觉控制299<br/>　参考文献304<br/>第11章　移动机器人路径、运动和任务规划306<br/>　11.1　引言306<br/>　11.2　一般概念306<br/>　11.3　移动机器人路径规划308<br/>　　11.3.1　机器人导航中的基本操作308<br/>　　11.3.2　路径规划方法的分类308<br/>　11.4　基于模型的机器人路径规划309<br/>　　11.4.1　位形空间309<br/>　　11.4.2　路线图路径规划方法311<br/>　　11.4.3　全球与局部路径规划的集成322<br/>　　11.4.4　全覆盖路径规划324<br/>　11.5　移动机器人运动规划327<br/>　　11.5.1　一般的在线方法327<br/>　　11.5.2　运动规划：使用向量场329<br/>　　11.5.3　解析运动规划331<br/>　11.6　移动机器人任务规划335<br/>　　11.6.1　一般问题335<br/>　　11.6.2　规划的表示和生成336<br/>　　11.6.3　世界建模、任务规范和机器人程序综合338<br/>　参考文献340<br/>第12章　移动机器人定位与地图构建343<br/>　12.1　引言343<br/>　12.2　背景概念343<br/>　　12.2.1　随机过程344<br/>　　12.2.2　随机动力学模型345<br/>　　12.2.3　离散卡尔曼滤波器与预测器345<br/>　　12.2.4　贝叶斯学习346<br/>　12.3　传感器瑕疵349<br/>　12.4　相对定位350<br/>　12.5　航位推算的运动学分析351<br/>　　12.5.1　差分驱动WMR351<br/>　　12.5.2　艾克曼转向352<br/>　　12.5.3　三轮驱动352<br/>　　12.5.4　全向驱动352<br/>　12.6　绝对定位353<br/>　　12.6.1　一般问题353<br/>　　12.6.2　基于三边测量的定位353<br/>　　12.6.3　基于三角测量的定位355<br/>　　12.6.4　基于地图匹配的定位356<br/>　12.7　基于卡尔曼滤波器的定位和传感器标定及融合357<br/>　　12.7.1　机器人定位357<br/>　　12.7.2　传感器标定359<br/>　　12.7.3　传感器融合359<br/>　12.8　同步定位与地图构建362<br/>　　12.8.1　一般问题362<br/>　　12.8.2　基于扩展卡尔曼滤波器的SLAM362<br/>　　12.8.3　基于贝叶斯估计的SLAM366<br/>　　12.8.4　基于粒子滤波器的SLAM369<br/>　　12.8.5　基于全向视觉的SLAM371<br/>　参考文献380<br/>第13章　实验研究382<br/>　13.1　引言382<br/>　13.2　模型参考自适应控制382<br/>　13.3　基于李雅普诺夫的鲁棒控制384<br/>　13.4　使用基于极坐标的控制器实现位姿稳定和泊车控制385<br/>　13.5　基于不变流形的控制器的稳定化386<br/>　13.6　滑模模糊逻辑控制388<br/>　13.7　基于视觉的控制389<br/>　　13.7.1　引导-跟随系统的控制389<br/>　　13.7.2　开闭环协同控制391<br/>　　13.7.3　基于全向视觉的控制392<br/>　13.8　全向移动机器人滑模控制396<br/>　13.9　差分驱动移动机械臂的控制398<br/>　　13.9.1　计算力矩控制398<br/>　　13.9.2　最大可操作性控制399<br/>　13.10　基于模糊逻辑的全局和局部集成路径规划器400<br/>　13.11　不确定环境中的模糊神经混合路径规划405<br/>　　13.11.1　路径规划算法406<br/>　　13.11.2　仿真结果406<br/>　13.12　基于扩展卡尔曼滤波器的移动机器人SLAM408<br/>　13.13　基于粒子滤波器的双机器人协同SLAM409<br/>　　13.13.1　第一步：预测409<br/>　　13.13.2　第二步：更新410<br/>　　13.13.3　第三步：重采样410<br/>　　13.13.4　实验研究410<br/>　13.14　基于神经网络的移动机器人控制和导航411<br/>　　13.14.1　轨迹跟踪411<br/>　　13.14.2　避障导航413<br/>　13.15　差分驱动机器人模糊跟踪控制415<br/>　13.16　基于视觉的差分驱动机器人自适应鲁棒跟踪控制417<br/>　13.17　移动机械臂球形全向视觉控制419<br/>　参考文献420<br/>第14章　移动机器人智能控制的通用系统与软件架构423<br/>　14.1　引言423<br/>　14.2　通用智能控制架构424<br/>　　14.2.1　一般问题424<br/>　　14.2.2　分层的智能控制架构424<br/>　　14.2.3　多分辨率的智能控制架构425<br/>　　14.2.4　参考模型智能控制架构425<br/>　　14.2.5　基于行为的智能控制架构426<br/>　14.3　移动机器人控制软件架构的设计特征428<br/>　14.4　两种移动机器人控制软件架构的简介430<br/>　　14.4.1　面向组件的Jde架构430<br/>　　14.4.2　分层移动机器人控制软件架构432<br/>　14.5　两种移动机器人控制软件架构的比较评估433<br/>　　14.5.1　初步问题433<br/>　　14.5.2　比较评估435<br/>　14.6　智能人机交互界面436<br/>　　14.6.1　智能人机交互界面的结构436<br/>　　14.6.2　机器人化的人机交互界面的主要功能437<br/>　　14.6.3　自然语言人机交互界面437<br/>　　14.6.4　图形化人机交互界面438<br/>　14.7　两种智能移动机器人研究原型机440<br/>　　14.7.1　SENARIO智能轮椅441<br/>　　14.7.2　ROMAN智能服务移动机械臂443<br/>　14.8　对其他问题的进一步讨论446<br/>　　14.8.1　异构化设计446<br/>　　14.8.2　模块化设计449<br/>　参考文献452<br/>第15章　工作中的移动机器人456<br/>　15.1　引言456<br/>　15.2　工厂和工业中的移动机器人456<br/>　15.3　社会生活中的移动机器人459<br/>　　15.3.1　救援机器人459<br/>　　15.3.2　机器人手杖、导引助手和医院中使用的移动机器人460<br/>　　15.3.3　家务移动机器人462<br/>　15.4　辅助型移动机器人463<br/>　15.5　移动型遥操作机器人和网络机器人465<br/>　15.6　其他机器人应用案例469<br/>　　15.6.1　战争机器人469<br/>　　15.6.2　娱乐机器人471<br/>　　15.6.3　研究型机器人472<br/>　15.7　移动机器人的安全性473<br/>　参考文献474<br/>习题477<br/>机器人网站列表495