本书结合教育部工程教育专业认证要求，针对当今社会对机器人感知技术人才的需求，从本科生工程能力出发，贯彻从基本功能模块到整体感知系统设计逐层递进的教学思路，以家庭服务机器人为主线，从模块化知识块入手，介绍相关理论的实际应用技术。引导学生完成相关感知模块的理论知识学习、设计与开发，更加灵活地培养学生的系统设计与开发能力，更好地激发学生的自主学习意识，更好地服务于机器人技术创新人才的培养

前言<br /><br />第1章引言1<br /><br />11机器人感知技术概述1<br /><br />111度量层环境感知技术3<br /><br />112拓扑层环境感知技术5<br /><br />113语义层环境感知技术6<br /><br />114复合环境感知技术8<br /><br />12机器人与环境的交互机制概述9<br /><br />参考文献10<br /><br />第2章数学基础15<br /><br />21线性代数15<br /><br />211向量15<br /><br />212标量15<br /><br />213矩阵16<br /><br />214张量16<br /><br />215矩阵的运算和操作16<br /><br />216向量的线性相关与独立17<br /><br />217矩阵的秩17<br /><br />218单位矩阵或恒等运算符18<br /><br />219矩阵的行列式18<br /><br />2110逆矩阵18<br /><br />2111向量的范数(模)19<br /><br />2112伪逆矩阵20<br /><br />2113以特定向量为方向的单位<br />向量20<br /><br />2114一个向量在另一个向量方向<br />上的投影20<br /><br />2115特征向量和特征值20<br /><br />2116矩阵的特征方程20<br /><br />22导数、偏导数与链式法则21<br /><br />221微分21<br /><br />222函数的梯度21<br /><br />223连续偏导数22<br /><br />224链式法则22<br /><br />225反向传播算法22<br /><br />23梯度下降法及其变式23<br /><br />231梯度下降法23<br /><br />232梯度下降法的变式23<br /><br />24二维空间位姿描述25<br /><br />25三维空间位姿描述27<br /><br />251正交旋转矩阵28<br /><br />252三角度表示法29<br /><br />253奇异点29<br /><br />254单位四元数29<br /><br />255平移与旋转组合30<br /><br />26张量31<br /><br />27概率基础32<br /><br />271随机实验和样本空间32<br /><br />272并集、交集和条件概率32<br /><br />273事件联合概率32<br /><br />274事件的互斥32<br /><br />275事件的独立33<br /><br />276条件独立33<br /><br />277贝叶斯公式33<br /><br />278概率质量函数33<br /><br />279概率密度函数34<br /><br />2710随机变量的数学期望34<br /><br />2711随机变量的方差34<br /><br />2712偏度和峰度34<br /><br />2713协方差35<br /><br />2714相关性系数36<br /><br />2715一些常见的概率分布36<br /><br />2716似然函数37<br /><br />2717最大似然估计38<br /><br />2718中心极限定理38<br /><br />28习题39<br /><br />参考文献39<br /><br />第3章环境信息采集与度量层<br />数据处理40<br />31基于超声波的环境信息40<br /><br />311超声波传感器工作原理与<br />关键指标40<br /><br />312超声波传感器测量数据<br />特性42<br /><br />313基于超声波传感器的地图<br />创建43<br /><br />32基于激光雷达的环境信息47<br /><br />321激光雷达工作原理47<br /><br />322基于激光雷达的地图创建51<br /><br />33基于视觉的环境信息53<br /><br />331图像的数据表达53<br /><br />332针孔相机模型与立体视觉54<br /><br />333深度传感器及颜色深度传<br />感器58<br /><br />334视觉SLAM59<br /><br />34常见触觉传感器67<br /><br />341力传感器及其数据处理67<br /><br />342接触觉传感器及其数据<br />处理67<br /><br />343压觉传感器及其数据处理68<br /><br />344滑觉传感器及其数据处理69<br /><br />35其他传感器70<br /><br />351听觉传感器及其数据处理70<br /><br />352味觉传感器及其数据处理71<br /><br />353嗅觉传感器及其数据处理71<br /><br />354接近觉传感器及其数据处理71<br /><br />36习题72<br /><br />参考文献72<br /><br />第4章静态目标检测与识别74<br /><br />41基于二维信息的物体检测与识别74<br /><br />411基于度量数据的障碍物<br />检测74<br /><br />412基于深度神经网络的物体<br />检测76<br /><br />413基于传统特征的物体分类<br />识别90<br /><br />414基于CNN的物体识别94<br /><br />42基于三维信息的物体检测与识别97<br /><br />421可行区域检测97<br /><br />422目标物体检测与识别104<br /><br />43基于触觉信息的物体感知技术109<br /><br />431滑移检测109<br /><br />432物体触觉识别114<br /><br />44习题117<br /><br />参考文献117<br /><br />第5章动态目标检测与识别119<br /><br />51动态障碍物的检测119<br /><br />52人脸检测与识别120<br /><br />521人脸检测120<br /><br />522人脸跟踪126<br /><br />53人体检测127<br /><br />531图像预处理127<br /><br />532梯度方向直方图特征128<br /><br />533基于有监督学习的人体检测130<br /><br />54人体运动检测与跟踪131<br /><br />541人体运动检测131<br /><br />542人体运动跟踪131<br /><br />55习题132<br /><br />参考文献132<br /><br />第6章场所语义级环境描述与理解133<br />61场所描述与理解概述133<br /><br />62基于物体的场所描述与理解135<br /><br />621基于物体类别的方法135<br /><br />622物体类别结合物体信息的<br />方法136<br /><br />63基于全局特征的场所描述与理解137<br /><br />64基于自然语言的场所描述与理解139<br /><br />641识别模型框架139<br /><br />642数据预处理139<br /><br />643模型结构141<br /><br />644训练方法142<br /><br />645实验验证143<br /><br />65习题146<br /><br />参考文献146<br /><br />第7章移动机器人语义地图<br />与导航应用150<br />71基于手绘语义地图的视觉导航150<br /><br />72手绘地图与实际地图的关联156<br /><br />73基于预测估计的视觉导航157<br /><br />731在线预测估计方法157<br /><br />732无约束导航算法158<br /><br />733动态避障导航算法163<br /><br />74基于实体语义类别的视觉导航165<br /><br />741SBoW模型自然路标识别<br />算法165<br /><br />742基于模糊颜色直方图的SBoW<br />路标识别算法172<br /><br />743基于自然路标识别的无障碍<br />导航176<br /><br />75基于自然语言的视觉导航182<br /><br />751导航意向图的生成182<br /><br />752基于受限自然语言路径的<br />导航实验189<br /><br />753基于完全自然语言路径的<br />导航实验195<br /><br />附录A实验指导书197<br /><br />A1激光雷达实验197<br /><br />A2摄像头传感器（Webots）203<br /><br />A3基于激光点云的道路检测206<br /><br />A4传统CNN检测208<br /><br />A5Yolo检测与识别211<br /><br />A6人脸检测与识别216<br /><br />A7人体检测与识别220<br /><br />A8使用经典VGG16、VGG19、<br />ResNet50、ResNet101网络实现<br />场景分类221<br /><br />A9语义感知综合应用系统实验226<br /><br />