本书专为深入探讨现代机器人学领域感知与智能的相关理论和技术而编写，涵盖了该领域从基础到前沿的各个方面。本书共12章，第1章为绪论，介绍了机器人技术的基础框架。第2～6章详细介绍了视觉、激光雷达、惯性、声学和力学感知技术，展示了如何让机器人与其周围的环境互动；第7～9章进一步介绍了决策、路径规划和任务规划技术，揭示了如何根据感知信息进行有效的导航和决策；第10～12章深入研究了同步定位与地图构建技术、深度学习技术和大模型技术及其应用，展示了机器人技术的新进展。 本书通过丰富的实例、模拟练习和代码讲解，为学生提供了理论与实践相结合的学习体验。选用本书的教师和学生均可在机械工业出版社教育服务网（www.cmpedu.com）的本书详情页下载配套的程序代码和相关数据。本书适合作为本科院校机器人工程专业教材，也可供相关研究人员和工程技术人员参考。

高等院校教师

前言
第1章绪论1
11机器人感知与智能概述1
111机器人历史演变与现状1
112感知与智能的融合1
113感知与智能的重要性1
12机器人中的硬件与软件2
13机器人感知与智能的挑战2
131传感器融合2
132数据处理与解析3
133实时决策与响应3
134安全性和人机交互3
135环境复杂性和可变性3
14机器人未来方向与讨论3
141技术进步的预测3
142机器人自主性的提升3
143人机协作的深化4
144伦理、法律和安全问题的讨论4
145复杂环境适应能力的提升4
15软硬件平台及实验介绍4
第2章视觉感知技术5
21视觉感知技术概述5
22彩色相机原理5
221CCD彩色成像原理5
222CMOS彩色成像原理6
223针孔相机模型7
224相机标定方法9
225颜色空间12
23深度相机原理12
231结构光深度相机12
232ToF深度相机13
24应用举例：零件质检15
241表面缺陷检测15
242尺寸测量15
243装配完整性检测16
244自动化生产线的实时监测16
25实验16
251实验设计16
252实验步骤16
参考文献20
第3章激光雷达感知技术21
31激光雷达感知技术概述21
32激光雷达原理22
321时间差测距激光雷达22
322相位测距激光雷达23
323调频连续波激光雷达24
324三角测距激光雷达26
33应用举例：无人驾驶28
331无人驾驶汽车的技术背景28
332典型案例：Waymo的自动驾驶技术28
34实验29
341实验设计29
342实验步骤29
参考文献32
第4章惯性感知技术33
41惯性感知技术概述33
42加速度计原理33
421压电式加速度传感器33
422电容式加速度传感器34
43陀螺仪原理35
431机械陀螺仪35
432光学陀螺仪36
433微机电（MEMS）陀螺仪36
44惯性测量单元原理37
45应用举例：轮腿机器人40
451加速度计和陀螺仪的作用40
452姿态估计41
453运动控制41
454步态规划41
46实验：IMU位姿估计41
461实验设计42
462实验步骤42
参考文献43
第5章声学感知技术44
51声学感知技术概述44
52基础声学原理44
521声波44
522声波的反射与折射46
53声学传感器技术46
531微机电传声器46
532超声波传感器47
533声呐47
54声学信号采集与处理48
541信号采集48
542信号处理49
55应用举例：居家服务机器人51
551语音识别51
552指令理解51
553情感识别51
554声音定位52
555空间感知52
56实验52
561实验设计52
562实验步骤52
参考文献53
第6章力学感知技术54
61力学感知技术概述54
62力的获取方式54
621直接获取54
622间接获取55
63信号转换原理55
631力学信号的本质55
632力传感器常用材料55
633常见的力传感器结构56
634信号的放大和调理58
64噪声的处理59
641噪声的来源分析59
642噪声处理的目的与原理59
643噪声处理技术60
644屏蔽和接地61
65应用举例：工业机械臂63
651夹持力传感器和转矩传感器的关键作用64
652精密装配64
653工业机械臂的运动控制64
654自动化生产线的智能优化64
66实验65
661实验设计65
662实验步骤66
参考文献67
第7章决策技术68
71决策技术概述68
72决策技术原理68
721有限状态机68
722决策树算法70
723马尔可夫决策过程71
724旅行商问题75
73应用举例：物流机器人配送方案77
74实验：决策算法实践77
741实验设计78
742实验步骤78
参考文献80
第8章路径规划技术81
81路径规划技术概述81
82基于搜索的路径规划算法81
821A*算法81
822D*算法83
823人工势场法85
83基于采样的路径规划算法87
831RRT88
832RRT*90
84应用举例：机器人导航91
841环境建模91
842路径生成92
843避障处理92
844动态规划92
85实验92
851实验设计93
852实验步骤93
参考文献96
第9章任务规划技术97
91任务规划技术概述97
92任务规划技术原理97
921任务规划的基本组件98
922任务规划的建模方法99
923任务规划的算法101
93应用举例：机器人自动化装配103
94实验104
941实验设计104
942实验步骤104
参考文献106
第10章同步定位与地图构建技术107
101同步定位与地图构建技术概述107
102同步定位与地图构建技术的种类107
1021激光SLAM107
1022视觉SLAM108
103同步定位与地图构建技术的原理及常见算法110
1031GMapping算法111
1032Cartographer算法111
1033ORBSLAM算法113
1034基于语义的SLAM算法114
104应用举例：机器人地图构建115
1041激光SLAM技术115
1042视觉SLAM技术115
1043语义SLAM技术115
105实验116
1051实验设计116
1052实验步骤116
参考文献121
第11章深度学习技术122
111深度学习技术概述122
112深度学习技术种类122
1121监督学习122
1122无监督学习124
1123半监督学习124
113深度学习原理125
1131神经元与激活函数125
1132网络结构127
1133人工神经网络的训练128
1134过拟合129
114应用举例：机械臂抓取130
1141目标物体的检测和定位130
1142抓取点预测130
115实验131
1151实验设计131
1152实验步骤131
参考文献133
第12章大模型技术及其应用134
121大模型技术概述134
122大模型的原理134
1221时序模型135
1222Encoder结构135
1223Decoder结构139
123大模型的技术种类141
1231Encoderonly结构142
1232Decoderonly结构142
1233EncoderDecoder结构142
124应用举例：大模型操作任务143
125大模型的优势与挑战144
126实验145
1261实验设计145
1262实验步骤145
参考文献146