第1章 智能机器人概述 1
1.1 智能机器人的概念 1
1.1.1 智能机器人的背景介绍 1
1.1.2 智能机器人的定义 4
1.2 智能机器人的组成及特性 4
1.2.1 智能机器人的基本组成 4
1.2.2 智能机器人的分类与特性 7
1.3 智能机器人的基本应用 8
1.3.1 智能驾驶 9
1.3.2 家用服务 9
1.3.3 物流运输 11
1.3.4 极端环境探测 12
1.3.5 军事应用 13
1.3.6 医护应用 14
1.4 智能机器人的主要研究内容 15
1.4.1 感知与学习 15
1.4.2 规划与决策 16
1.4.3 动力学与控制 16
1.4.4 人机交互 17
第2章 智能机器人基础 19
2.1 智能机器人数学基础 20
2.1.1 矩阵理论 20
2.1.2 几何学 22
2.1.3 概率学 23
2.1.4 数值分析 24
2.2 智能机器人运动学基础 25
2.2.1 刚体及刚体自由度 25
2.2.2 正向动力学及逆动力学 26
2.2.3 闭链运动学 28
2.2.4 开链运动学 29
2.2.5 运动规划 29
2.3 智能机器人控制学基础 30
2.3.1 PID控制算法基本原理 30
2.3.2 数字PID控制 32
2.3.3 神经网络控制算法 33
2.3.4 蚁群控制算法 35
2.4 智能机器人软件基础 36
2.4.1 OpenCV库介绍 37
2.4.2 Python调用OpenCV库实现人脸识别 39
2.4.3 Linux开发 42
2.4.4 Anaconda介绍、安装及Pytorch介绍、使用 44
2.4.5 基于Pytorch的语音识别 48
2.4.6 MATLAB介绍、安装及使用 54
2.5 智能机器人常用硬件 60
2.5.1 机器人移动装置 60
2.5.2 机器人感知装置 61
2.5.3 机器人主控装置 62
第3章 智能机器人视觉学习 68
3.1 机器人图像处理技术 69
3.1.1 图像处理基础 69
3.1.2 图像处理技术 70
3.2 深度学习 71
3.2.1 卷积神经网络 71
3.2.2 循环神经网络 81
3.2.3 基于神经网络的物体识别 85
3.3 多传感器数据融合 94
3.3.1 基本概念及原理 95
3.3.2 多传感器融合分类 96
3.3.3 多传感器融合常用方法 97
3.3.4 多传感器融合算法 104

第4章 智能机器人规则学习 107
4.1 强化学习 108
4.1.1 强化学习的概念 108
4.1.2 强化学习的分类 109
4.1.3 马尔科夫决策过程 110
4.1.4 动态规划 123
4.1.5 蒙特卡罗算法 125
4.1.6 时序差分算法 128
4.1.7 算法实践——迷宫寻宝 130
4.2 路径规划算法 143
4.2.1 传统路径规划算法 143
4.2.2 基于采样的路径规划算法 146
4.2.3 现代智能路径规划算法 150
4.2.4 算法实践——最短路径规划 157

第5章 聊天机器人 176
5.1 主要应用背景 176
5.2 算法原理 178
5.2.1 数据预处理 178
5.2.2 seq2seq模型原理 180
5.2.3 网络结构介绍 185
5.3 实践操作与步骤 186
5.3.1 实验环境 186
5.3.2 实验代码 188
5.3.3 实验操作及结果 189
5.4 总结与展望 192

第6章 智能循迹车 194
6.1 主要应用背景 194
6.2 技术原理 196
6.2.1 系统硬件组成 196
6.2.2 系统工作原理 203
6.3 实践操作与步骤 207
6.3.1 实验环境 207
6.3.2 实验代码 208
6.3.3 实验步骤及结果 209
6.4 总结与展望 218

第7章 五子棋机器人 219
7.1 背景介绍 220
7.2 技术原理 221
7.2.1 系统硬件组成 223
7.2.2 系统硬件工作原理 223
7.2.3 策略价值网络 226
7.2.4 蒙特卡罗树搜索算法 231
7.2.5 棋盘建模 232
7.2.6 系统总体流程 235
7.3 实践操作与步骤 236
7.3.1 实验环境 236
7.3.2 实验操作步骤及结果 237
7.4 总结与展望 241

第8章 象棋机器人 243
8.1 主要应用背景介绍 244
8.2 技术原理 246
8.2.1 棋盘检测算法 247
8.2.2 中国象棋人机博弈算法 255
8.3 实践操作与步骤 256
8.3.1 数据集介绍 256
8.3.2 实验环境 257
8.3.3 实验操作步骤及结果 258
8.4 总结与展望 259

第9章 智能眼控移动机器人 260
9.1 主要应用背景 260
9.2 算法原理 262
9.2.1 系统硬件组成 263
9.2.2 系统硬件工作原理 264
9.2.3 眼球识别网络 265
9.2.4 眼球分割网络 266
9.2.5 用户眼球方向识别 270
9.2.6 轮椅控制原理 271
9.3 实践操作与步骤 272
9.3.1 实验环境 272
9.3.2 实验操作步骤及结果 273
9.4 总结与展望 274

第10章 导盲机器人 276
10.1 主要应用背景 277
10.2 技术原理 278
10.2.1 系统硬件组成 279
10.2.2 系统工作原理 281
10.2.3 YOLO检测识别网络 281
10.2.4 SegNet图像分割网络原理 285
10.2.5 Show and Tell场景描述网络原理 289
10.3 悬空物体避障策略原理及实现 290
10.4 物体检测与识别实践操作 291
10.4.1 实验环境 291
10.4.2 实验代码 293
10.4.3 实验操作步骤及结果 294
10.5 FCN盲道分割实践操作 296
10.5.1 实验环境 296
10.5.2 实验代码 297
10.5.3 实验操作步骤及结果 298
10.6 总结与展望 299

第11章 自动驾驶智能汽车 301
11.1 主要应用背景 302
11.2 技术原理 304
11.2.1 系统硬件组成 304
11.2.2 系统硬件工作原理 305
11.3 实践操作与步骤 317
11.3.1 实验环境 317
11.3.2 实验代码 324
11.3.3 实验操作步骤及结果 326
11.4 总结与展望 331

第12章 智能机器人未来发展趋势 332
12.1 智能机器人的材料制造以及能源技术 332
12.1.1 智能机器人材料制造技术 332
12.1.2 智能机器人能源技术 334
12.2 人机交互技术 335
12.3 生物启发智能机器人技术 338
12.3.1 陆地仿生机器人 339
12.3.2 水中仿生机器人 343
12.3.3 空中仿生机器人 347
12.3.4 混合仿生机器人 350
12.3.5 群体智能机器人 351
12.4 智能机器人的安全性与可靠性 353
12.4.1 机器人安全基本和设计原则 353
12.4.2 智能机器人安全性挑战 355
12.5 智能机器人法律与道德 355

参考文献 357