目录

第1章机器人传感器基础知识1

1.1机器人传感器技术基础1

1.1.1传感器的定义和特点1

1.1.2传感器的组成和分类1

1.1.3传感器的标定技术2

1.2机器人智能感知技术概述4

1.2.1机器人系统结构4

1.2.2机器人传感器技术发展趋势5

1.2.3智能传感器的定义、结构、功能和特点6

1.2.4多传感器信息融合技术及其应用9

1.3本章小结14

习题114

第2章机器人内部传感器技术基础15

2.1位置与速度传感器15

2.1.1绝对式光电编码器15

2.1.2增量式旋转光电编码器15

2.1.3直线式光电编码器16

2.1.4模拟式速度传感器16

2.1.5数字式速度传感器17

2.1.6倾斜角传感器18

2.2加速度传感器19

2.2.1加速度传感器原理19

2.2.2线位移式加速度传感器20

2.2.3摆锤式加速度传感器23

2.2.4石英挠性加速度传感器25

2.2.5压阻式和压电式加速度传感器27

2.2.6光纤加速度传感器30

2.3陀螺仪表32

2.3.1框架式陀螺32

2.3.2动力调谐式挠性陀螺33

2.3.3静电陀螺35

2.3.4激光陀螺36

2.3.5光纤陀螺40

2.4姿态传感器42

2.4.1惯性系统的基本概念42

2.4.2捷联式惯性系统基本方程43

2.4.3机器人姿态传感器47

2.4.4姿态传感器系统构成及姿态解算50

2.5本章小结55

习题256

第3章机器人触觉和力觉感知技术基础57

3.1触觉信息获取与处理57

3.1.1触觉传感器的基本分类57

3.1.2触觉信息处理60

3.1.3柔性触觉传感器技术61

3.2力觉信息获取与处理63

3.2.1力觉传感器的基本分类63

3.2.2力觉传感器标定技术65

3.2.3应变式、电感式和电容式压力传感器66

3.2.4电阻式多维力/力矩传感器72

3.3基于触觉感知的机器人操作75

3.3.1基于触觉感知信息的抓取稳定性分析75

3.3.2基于触觉感知信息的目标识别77

3.3.3基于触觉感知的其他应用79

3.4机器人力觉感知及操作79

3.4.1机器人阻抗控制及力位混合控制79

3.4.2机器人接触约束和力控制融合方法82

3.4.3基于力智能感知的操控86

3.5本章小结89

习题389

第4章机器人接近觉、热觉、滑觉、听觉、嗅觉和味觉感知基础90

4.1接近觉传感器90

4.1.1机械式接近觉传感器90

4.1.2感应式接近觉传感器91

4.1.3电容式接近觉传感器92

4.1.4超声波接近觉传感器94

4.1.5光电式接近觉传感器95

4.2热觉传感器96

4.2.1热电式传感器96

4.2.2机器人热觉传感器的设计原理98

4.2.3热觉传感器的数学模型99

4.2.4水下热觉传感器101

4.3滑觉传感器103

4.3.1受迫振荡式滑觉传感器104

4.3.2断续器型滑觉传感器105

4.3.3贝尔格莱德手滑觉传感器105

4.4听觉传感器107

4.4.1声音的基本概念107

4.4.2听觉传感器技术基础110

4.4.3语音识别芯片111

4.5嗅觉与味觉传感器114

4.5.1嗅觉传感器114

4.5.2味觉传感器117

4.6本章小结119

习题4119

第5章机器人视觉感知技术基础121

5.1视觉传感器与视觉系统121

5.1.1视觉传感器的定义和分类121

5.1.2视觉系统123

5.2视觉成像基本原理123

5.3视觉系统标定128

5.3.1相机标定128

5.3.2机器人手眼标定134

5.4视觉测量方法137

5.4.1单目视觉测量方法137

5.4.2双目视觉三维测量原理137

5.4.3双目视觉三维测量数学模型139

5.4.4双目视觉测量系统精度分析140

5.4.5双目视觉测量系统结构设计142

5.4.6极线几何与基本矩阵144

5.5智能视觉感知技术基础147

5.5.1视觉匹配技术147

5.5.2视觉显著性检测技术151

5.5.3基于机器学习的视觉感知方法153

5.5.4基于深度学习的视觉感知方法155

5.5.5面向小样本学习的视觉感知方法161

5.5.6视觉引导的机器人抓取技术164

5.6本章小结169

习题5169

第6章估计理论基础170

6.1矩阵微分法170

6.1.1相对于数量的微分法170

6.1.2相对于向量的微分法171

6.1.3相对于矩阵的微分法175

6.1.4复合函数微分法178

6.2最小二乘估计基础179

6.2.1数量的最小二乘估计179

6.2.2向量的最小二乘估计181

6.2.3加权最小二乘估计183

6.3线性最小方差估计184

6.4最小方差估计188

6.5递推最小二乘估计191

6.6卡尔曼滤波理论基础194

6.6.1预备知识194

6.6.2离散系统卡尔曼滤波199

6.6.3一般线性离散系统的滤波206

6.6.4连续系统的卡尔曼滤波206

6.7本章小结213

习题6214

第7章多传感器信息融合技术基础215

7.1多传感器信息融合技术概述215

7.1.1多传感器信息融合的层次215

7.1.2多传感器信息融合的功能模型218

7.1.3多传感器信息融合的结构模型224

7.1.4多传感器信息融合的过程和算法226

7.1.5多传感器信息融合存在的问题228

7.2多传感器信息融合的概率统计方法230

7.2.1传感器建模230

7.2.2传感器建模不确定性分析231

7.2.3标量随机变量的概率与统计特性231

7.2.4线性回归232

7.2.5线性滤波234

7.2.6非线性滤波239

7.3多传感器信息融合的推理学习方法246

7.3.1贝叶斯推理246

7.3.2DempsterShafer证据推理248

7.3.3联合DempsterShafer证据推理和神经网络的信息融合方法253

7.3.4基于DempsterShafer证据推理的多传感器信息融合的道路

车辆跟踪254

7.4基于知识模型的多传感器信息融合方法258

7.4.1基于模糊逻辑推理的信息融合方法258

7.4.2逻辑模板法260

7.4.3专家系统261

7.5多传感器智能信息融合方法265

7.5.1人工神经网络265

7.5.2表决融合267

7.6多源图像融合268

7.6.1多源图像融合概述268

7.6.2图像融合的主要步骤271

7.6.3图像配准概述271

7.6.4图像融合典型方法273

7.6.5图像融合规则274

7.6.6图像融合效果评价275

7.6.7加权平均图像融合方法基本原理277

7.6.8基于主成分分析的图像融合方法277

7.6.9基于金字塔分解的图像融合280

7.6.10基于HIS变换的遥感图像融合281

7.6.11基于小波变换的图像融合284

7.6.12基于二维离散余弦变换的多聚焦图像融合291

7.7本章小结293

习题7293

第8章智能感知技术在机器人系统中的应用294

8.1移动机器人智能感知294

8.1.1移动机器人常用传感器概述294

8.1.2移动机器人惯性导航系统296

8.1.3移动机器人卫星导航系统297

8.1.4移动机器人视觉导航系统298

8.1.5移动机器人激光雷达/红外定位系统300

8.1.6基于卡尔曼滤波的运动体姿态估计方法300

8.1.7移动机器人的多传感器信息融合方法301

8.1.8提高移动机器人导航精度的方法304

8.2飞行机器人智能感知306

8.2.1飞行机器人的传感器标定和测量模型306

8.2.2飞行机器人的运动状态估计317

8.2.3提高飞行机器人导航精度的方法323

8.3空间机器人智能感知324

8.3.1姿态测量敏感器325

8.3.2绝对导航敏感器328

8.3.3相对导航敏感器329

8.3.4姿态敏感器误差建模331

8.3.5基于确定性方法的姿态确定算法333

8.3.6基于状态估计法的姿态确定算法335

8.3.7姿态敏感器的相对误差标定336

8.3.8地面事后高精度姿态标校340

8.4水下机器人智能感知340

8.4.1水下机器人及传感器概述340

8.4.2声呐传感系统341

8.4.3水声换能器348

8.4.4超短基线定位系统352

8.5仿生机器人智能感知355

8.5.1仿生触须355

8.5.2电子鼻359

8.5.3柔性可拉伸传感器362

8.5.4典型仿生机器人传感器系统362

8.6本章小结365

习题8365

第9章基于多传感器信息融合的自动驾驶汽车位姿估计366

9.1多源传感系统的时空同步367

9.1.1多源传感系统时间同步367

9.1.2多源传感系统空间对准372

9.2自动驾驶汽车位姿估计378

9.2.1自动驾驶汽车位姿估计概述378

9.2.2基于多源信息融合的姿态估计379

9.3本章小结397

习题9397

参考文献398