 |
-- 會員 / 註冊 --
|
 |
|
|
|
機器人學、機器視覺與控制——MATLAB算法基礎 ( 簡體 字) |
| 作者：劉榮 等 | 類別：1. -> 電子工程 -> 機器人
2. -> 工程繪圖與工程計算 -> Matlab |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 44319
詢問書籍請說出此書號！【缺書】
NT售價： 495 元 |
| 出版日：5/1/2016 |
| 頁數：552 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121259906 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：本書是關于機器人學和機器視覺的實用參考書， 第一部分“基礎知識”（第2章和第3章）介紹機器人及其操作對象的位置和姿態描述，以及機器人路徑和運動的表示方法；第二部分“移動機器人”（第4章至第6章）介紹其基本運動控制模式及其導航和定位方法；第三部分“臂型機器人”（第7章至第9章）介紹其運動學、動力學和控制方面的知識；第四部分“計算機視覺”（第10章至第14章）包括光照與色彩，圖像形成和處理技術，圖像特征提取，以及基于多幅圖像的立體視覺技術；第五部分“機器人學、 視學與控制”（第15章和第16章）分別討論基于位置和基于圖像的視覺伺服及更先進的混合視覺伺服方法。
本書將機器人學與機器視覺知識有機結合，給出了實例算法和程序。作者有完備的代碼可下載，用于驗證書中知識點和實例，注重如何利用視覺信息控制機器人的運動。
只要會使用MATLAB ,就能通過本書學習和掌握機器人與機器人視覺的基礎知識和控制算法。本書使用的MATLAB“機器人學工具箱”（Robotics Toolbox）和“機器視覺工具箱”（Machine Vision Toolbox）可從 www.petercorke.com/RVC 下載。
譯 者 序
從世界上第一臺工業機器人誕生至今，機器人技術已經有了長足的發展。智能機器人是現今機器人領域研究的熱點，其特點之一是能夠融合多種傳感器的信息做出分析、 判斷和決策，以適應復雜的環境和任務。隨著硬件成本的降低和計算機性能的提升，視覺傳感器已逐漸成為機器人常用的感知器件。與其他種類傳感器相比，視覺傳感器能提供更加豐富和全面的信息，因而必將成為智能機器人的主要傳感器。
目前，國內外有關機器人技術和機器視覺技術的專著很多，但大多是兩種技術單獨論述。即使有的機器人專著中包含了視覺技術，也是作為機器人傳感器的一種簡要介紹。本書是將機器人學與機器視覺知識有機結合的產物。雖然書中闡述了機器人學和機器視覺各自的基礎知識，但更注重如何利用視覺信息控制機器人的運動，將兩者融合運用。本書側重知識的實用性，圖片說明及應用實例貫穿全書，很少有理論方程的長篇大論。即使在講述理論基礎知識的同時，也穿插了很多實例，可以讓讀者對學到的知識點及時進行驗證，使讀者不斷獲得掌握知識的滿足感，增加學習興趣。另外，本書給出的實例算法和程序都是基于目前國內大專院校和研究所廣泛使用的數學仿真軟件包MATLAB。該軟件包功能強大，而且有很多開源的工具箱，其中本書主要使用的“機器人學工具箱”和“機器視覺工具箱”就是作者自己編寫的。讀者可以利用MATLAB中現成的函數、 模塊及工具箱完成機器人的運動和控制仿真，從而省去大量編程時間，便于快速驗證和掌握所學的知識，也為下一步用其他語言編程打下了基礎。
全書共分為5部分。第一部分是機器人學基礎（第2章和第3章），介紹了機器人及其操作對象的位置和姿態表達，以及機器人路徑和運動的表示方法； 第二部分和第三部分介紹了兩類典型的機器人，其中第二部分（第4章至第6章）是關于移動機器人的，介紹了其基本運動控制模式及其導航和定位方法； 第三部分（第7章至第9章）針對關節式機械臂，介紹了其運動學、 動力學和控制方面的知識； 第四部分（第10章至第14章）涉及了機器視覺技術的基礎知識，包括光照與色彩、 圖像形成、 圖像處理、 圖像特征提取，以及立體視覺技術； 第五部分（第15章和第16章）介紹了基于視覺的機器人控制方法，包括基于位置的視覺伺服和基于圖像的視覺伺服，以及更先進的混合視覺伺服方法。
本書可以作為學習機器人技術和視覺控制的高年級本科生和研究生的教輔書籍。現有的專業教材一般理論性較強，知識比較抽象，難以理解。同時，要在實際機器人上開展大量實驗成本既高，也耗時。本書中大量的仿真實驗實例會幫助學生更容易和及時地驗證并掌握相關知識。該書也可以作為從事機器人技術研究和開發人員的技術參考書，可以幫助他們在機器人投入實際制作前對機器人的運動和控制進行仿真，驗證其設計的合理性和有效性。
參加本書翻譯工作的有劉榮（翻譯第1章、 第6章、 第15章和第16章及附錄）、 薛彤（翻譯第2章和第3章）、 陳銳（翻譯第4章和第5章）、 徐江平（翻譯第7章至第9章）、 李揚（翻譯第10章至第12章）和翟士民（翻譯第13章和第14章）。全書由劉榮負責統稿和審校。鑒于譯者水平有限，難免有錯誤和不妥之處，敬請廣大讀者批評指正。
序 言
很久以前，我收到一本很厚的博士論文讓我評審。論文的主題是關于機器人視覺控制的，作者是彼得?科克（Peter Corke）。以下是我對該論文評語的一段摘錄： 這是一篇杰作，無論在論文構思還是實際內容上都是出類拔萃的，其質量之高堪稱博士生論文的表率。
二十多年來，彼得?科克一直致力于機器人與視覺二者的集成技術研究和探索，并且取得了很多突出的成果。現在，他的這些成果終于在本書中與大家見面了。在這本新書中，不僅有前沿理論，還有應用實例，它包含了作者多年來在井下機器人、 無人飛行器、 水下機器人、 野外作業機器人等領域探索中所取得的富有特色的基礎和應用研究成果。
雖然現在已有很多關于機器人以及視覺的專著，但很少有像這本書一樣在兩種技術的集成、 剖析以及例證方面做得如此出色的。書中對有關技術的探討和論述既深入透徹，又通俗易懂。對于機器人領域正在或將要從事這方面研究的人員而言，這是一本絕對有價值的參考書。本書涉及的技術比較全面，對于要實現機器人視覺任務的幾乎每個方面都有涵蓋與分析，這一點讀者可以從書中對MATLAB工具箱（Toolbox）軟件的有效使用中體會到。
本書內容按讀者接受相關知識的先后邏輯進行安排，從移動機器人基礎到機器人導航、 定位，以及機械臂的運動學、 動力學和關節控制，再到攝像機建模、 圖像處理、 特征提取以及多圖像幾何學。最后，將以上技術知識通過集成到視覺伺服系統中進行更廣泛的探討。在上述過程中，作者展示了如何利用強有力的數字工具和有效軟件對復雜問題進行分解并最后解決的方法。
Springer Tracts in Advanced Robotics(STAR, 施普林格先進機器人技術集）系列叢書致力于將機器人學領域的最新研究進展引入學術界，內容選擇是基于它們的重要性和研究質量。出版該系列叢書的目的是要通過對機器人學一些關鍵技術開發進展的廣泛而及時的傳播，推動學術界研究人員之間的交流與合作，并為該技術的進一步發展做出貢獻。
彼得?科克的這本專著以其跨學科性、 縝密的構思和精彩的內容為STAR系列叢書增色良多。
歐薩馬?卡蒂布（Oussama Khatib）
加州，斯坦福
2011年7月
前 言
告訴我，我會忘記。
給我看，我可能記住。
讓我參與其中，我才會理解。
——中國諺語
機器人和機器視覺的研究都涉及到用算法來處理大量數據。這些數據來源于各種傳感器，如測量車輪轉速的、 測量機械臂關節轉角的、 或者測量機器人環境觀察圖像中各像素亮度的。對于很多的機器人應用，需要實時處理的數據量非常大，就視覺處理而言，數據會達到每秒幾十到幾百兆字節的量級。
過去，機器人和機器視覺領域中的許多技術進步都是由于數據處理方法的改進而推動的，并且這種促進作用仍然繼續著。這些數據處理方法的改進一方面體現在大量新的并且更有效的算法的涌現，另一方面則是摩爾定律下的機器本身計算能力的大幅提升。回想20世紀80年代中我踏入機器人和視覺研究領域時，IBM公司的個人計算機才剛推出，它用的僅僅是主頻4杄77 MHz的16位處理器，以及16 KB的內存（擴展后才256 KB）。經過25年后，計算機的計算能力已經翻番了16次，也就是增長了大約65 000倍。在20世紀80年代后期，能夠實時進行處理圖像的系統需要19英寸寬的機柜才能裝下（見圖0.1）。而今天，一塊小小的高性能處理芯片就能勝過那時的圖像處理能力。
圖0.1 很久以前，要完成基于視覺的機器人控制需要很多設備。該圖片是
1992年作者在實驗室里和一大堆圖像處理與機器人控制的設備在一起
在機器人和機器視覺近一段時間的發展歷程中，研究者們開發出了大量的各種算法，它們是學術界通過技術積累獲得的重要成就。然而這些算法不僅數量多，而且都比較復雜，對于剛涉足該領域的人來說是不小的障礙。要想從這么多算法中進行選擇，首當其沖的問題就是：
為解決這個特定問題，哪一個才是最佳算法？
一種策略是去嘗試多種不同的算法，看哪種算法解決問題的效果最好。但這樣做又帶來新的問題：
我怎樣才能不用花很長時間去編輯和調試程序，就能評判出原始論文中的算法是否適合我自己的數據？
有兩種解決方案可以幫助我們。一種是利用通用的數學工具軟件，它們能簡化算法編程。這類工具中包括商用軟件包，如MATLAB、 Mathematica和MathCad，也有開源軟件包，如SciLab, Octave和PyLab。所有這些工具軟件包都能輕松自然地處理向量和矩陣，也能繪制出漂亮和復雜的圖形，同時具有交互式的編程環境。另一種是開源軟件模塊。很多學者都把自己開發的算法以開源形式共享出來，有的是用上面提到的通用數學軟件包編寫的，有的則是用目前主流的C、 C++和Java語言編寫的。
我本人15來年一直活躍在開源軟件的圈子，曾經管理過兩個開源的MATLAB工具箱軟件： 一個是機器人的，另一個是機器視覺的。這兩個工具箱可以追述到我做博士論文時期，并且從那時起它們的功能一直在擴展，還隨著MATLAB軟件語言的改進不斷提升（這一點在當時非常重要）。機器人工具箱還被翻譯成多種其他編程語言，如Python, SciLab 和LabView。
這兩個工具箱有一些很重要的特征。第一，它們已經很長時間被很多人使用以解決各種不同的問題，因此代碼的可信度較高。在檢驗新的算法，亦或舊的相同算法要用其他語言編寫或者在新環境中執行時，工具箱起到“黃金標準”的作用。
第二，這些工具箱能讓使用者接觸到真實的問題，而非簡單無實際意義的例子。對于超過兩個關節的真實機器人，或者有幾百萬像素的真實圖像，一般人沒有外力幫助是無法對它們進行計算的。第三，工具箱能讓我們窺探問題的本質，而不是迷失在紛繁的細枝末節上。用這些工具箱我們能快速而簡單地進行實驗，開展“如果就會”（what-if）的探究，并能把結果用MATLAB強大的二維和三維繪圖工具直觀描繪出來。
第四，可以從工具箱中獲取很多現成的通用算法的代碼。你可以研讀這些代碼，可以把它們直接用到你的問題上，也可以在這些代碼的基礎上自己進行擴充或重寫。總之，這些現成的代碼至少能讓你知道如何起步。
這些工具箱還通常附帶一些簡單的教程和參考資料。多年來，很多讀者都請求我把這些材料變成一本正式的書籍。現在它終于成真了！這本書是在我的工具箱提供的教程材料基礎上擴展而來的，它增加了更多的例子，并讓機器人和機器視覺的敘述既相互獨立又緊密關聯。我想要展示給讀者的是怎樣將一個復雜問題進行分解，并用簡單的幾句代碼就能解決。
從性格特征上說，我是比較喜歡動手的那類人。我喜歡自己編程，喜歡對數據進行分析，因此對我而言，自己編寫工具軟件去解決機器人及視覺方面的問題就再自然不過了。書中探討的內容既是基于自己的興趣，也是從真實問題引出的，這些問題主要是多年來我親自從事機器人和機器視覺研究中觀察到的。我希望學完這本書后也能點燃你對書中內容的興趣和熱情。
我特別希望在本書中為機器人學者較全面地介紹機器視覺方面的知識。在以往的機器人教科書中，視覺部分的內容通常集中在簡單的黑白圖像處理。而在本書中，視覺部分涉及的內容將更廣，包括彩色視覺、 高級圖像分割，如最大穩定極值區域及圖割技術、 圖像卷繞、 立體視覺、 運動估計以及圖像檢索。另外，書中還涉及用魚眼鏡頭和折反射光學系統的非透視成像技術。以上這些內容在機器人實際應用中越來越重要，但在一般書中很少探討。視覺是一種功能強大的傳感技術，機器人學者應當對現代視覺技術有全面深入的了解。本書最后一部分給讀者展示了視覺設備是如何作為機器人控制的主傳感器使用的。
讀者會發現本書與其他教科書有很大不同，這是作者有意為之。第一，市面上已經有很多深入研究機器人或機器視覺的圖書，但它們大多是機器人與視覺技術分離的，集成者很少。因此將機器人與視覺二者集成是本書的主要目標。
第二，程序在本書中占了很大篇幅。事實上，程序是我們研究的各種算法的具體表現。算法是比較抽象的，程序則可以一句句讀懂，而且我們還可以任意從程序中拿出一段進行修改，然后再放回去。市面上已有很多科技書籍就是使用程序來演示一個問題是如何解決的，如LaTeX: A document preparation system(Lamport 1994), Numerical Recipes in C(Press et al. 2007), The Little Lisper(Friedman et al. 1987)，以及Structure and Interpretation of Classical Mechanics(Sussman et al. 2001)，本書在這方面可以說是受了它們的影響。本書中給出的很多例程展示了如何使用工具箱軟件，并且僅用幾行MATLAB語句就給出了一個及時的體驗。
第三，本書內容是基于MATLAB軟件包及其工具箱編寫的。相對于其他書籍，這樣的好處是能夠容易地處理一些更實際和更復雜的問題。
本書對于程序和例子的強調并不意味著基礎理論不重要。相反，它們是非常重要的，本書只是采用了一種二者相互補充的方式。學習本書的同時最好參考一下其他在基礎理論上論述更嚴密的材料。本書每章在結束時都提供了一些延伸閱讀的內容，列出了相關的書籍和論文。
寫這本書其實給我提供了一個很好的機會去重新審視我的那些工具箱，對其中的程序代碼進行修改和擴展。特別要說的是我這次更好地利用了MATLAB新提供的一些面向對象的特征簡化了工具箱的用戶界面，并減少了其中的文件數量。
修改這些工具箱程序也讓我以更廣的視角去看待各種開源代碼。現在網上已經有很多優秀的程序代碼，特別是有關機器視覺方面的，所以我完全沒有必要從頭開始自己編寫算法程序，只需要去找到那些最好的子程序代碼，然后把它們整合在一起就可以了。這樣做的困難之處在于每個代碼的作者都有他們自己對于數據結構命名的習慣和偏好，這些數據從簡單的向量到復雜的數組都有。我的辦法是盡可能不去修改單個的代碼包，而是用一些輕量包裝，特別是用作類去把它們封裝起來。
我要感謝以下人員，他們提供的代碼要么被嵌入，要么被包裝進了我的工具箱。機器人工具箱的貢獻者如下： 牛津大學的保羅?紐曼（Paul Newman）提供了移動機器人定位及建圖代碼，耶魯大學的保羅?龐茲（Paul Pounds）提供了四旋翼直升機仿真器代碼。機器視覺工具箱的貢獻者如下： 皮特?考烏斯（Peter Kovesi）提供了隨機抽樣一致性算法（RANSAC）代碼； 瑞士洛桑理工大學計算機視覺實驗室（CVLab-EPFL）的弗朗西斯科?莫雷羅?羅古爾（Francesco Moreno-Noguer）、 文森特?來皮特（Vincent Lepetit），以及帕斯卡?福安（Pascal Fua）提供了姿態估算算法代碼； 帕斯卡?吉崔爾（Pascal Getreuer）提供了彩色空間變換代碼； 牛津大學的視覺幾何工作組（Visual Geometry Group）的多人提供了幾何視覺的數值算法代碼（來自于哈特利(Hartley)及齊瑟曼(Zisserman)2003出版圖書的網站）； 安德烈?維達爾迪（Andrea Vedaldi）和布萊恩?福克爾森（Brian Fulkerson）提供了K均值（k-means）聚類算法和最穩定性極值區域（MSER）算法； 佩德羅?菲爾岑斯瓦布（Pedro Felzenszwalb）提供了基于畫面的圖像分割軟件； 以及荷蘭特溫特大學的迪爾克讓?克魯恩（Dirk-Jan Kroon）提供了超魯棒性特征（SURF）檢測器算法。另外，由吉安耶威斯?薄古爾特（Jean-Yves Bouguet）提供的攝像機標定工具箱（Camera Calibration Toolbox）未經任何修改就集成到我的工具箱中。
幾百年來，世界各國涌現出了很多杰出的數學家、 物理學家以及工程師，他們的成就對于今天的機器人和視覺科學研究仍然是至關重要的。他們中很多人的名字成為一些術語前的形容詞，如哥氏（Coriolis）、 高斯（Gaussian）、 拉普拉斯（ Laplacian）、 笛卡兒（Cartesian）等，有的直接就是一個名詞術語，如雅可比（Jacobian）, 或者計量單位名稱，如牛頓（Newton）和庫侖（Coulomb）。其實這些偉大科學家的經歷都很奇特，因為他們在當時的正式職業只是醫生、 煉金術士、 投機商、 占星家、 哲學家或雇傭兵，科學研究只能算他們的業余愛好。為了了解我們都站在了哪些人的肩膀上，我在書中還穿插了一些有關那些偉大科學家們的歷史小故事，作為背景材料供讀者賞讀。
在我本人的職業生涯中，我非常有幸能同許多優秀的人共事，他們給我的事業很多啟發和引導。很久以前在墨爾本大學，是約翰?安德森（John Anderson）點燃了我對控制技術的興趣，而格雷漢姆?霍姆斯（Graham Holmes）則鼓勵我“在編程前先要好好思考”，這個好建議我至今還努力去遵從。在1988~1989年期間，我曾在賓夕法尼亞大學的GRASP實驗室與理查德?保羅（Richard Paul）共事過10個月，這段工作經歷可以說改變了我以后的人生。
我開發MATLAB工具箱是源自我的博士論文，我的博士導師是墨爾本大學的馬爾科姆?古德（Malcolm Good），他和來自澳大利亞聯邦科學與工業研究組織（CSIRO）的保羅?鄧恩（Paul Dunn）給我提了很多好問題并指導我的研究工作。拉茲羅?尼米斯（Naszlo Nemes）則在生活和組織方面給我很多有益的建議，并鼓勵我把我編寫的程序代碼公開和共享。到目前為止，我職業生涯的大部分時間是在澳大利亞聯邦科學與工業研究組織度過的，在那里我有幸參與了很多不同的機器人研究項目，并與很多有天賦的同事和朋友共事。在撰寫本書期間，我轉到澳大利亞昆士蘭理工大學工作，學校給了我很多空余時間完成本書。我以前的學生賈思明?班克斯（Jasmine Banks）、 卡恩?亞瑟（ Kane Usher）、 保羅?龐茲（Paul Pounds）和彼得?漢森（Peter Hansen）分別教給了我很多有關立體視覺、 非完整性、 四旋翼直升機、 廣角視場方面的知識。
我還要感謝保羅?紐曼（Paul Newman），他數次邀請我去牛津大學，我在那里完成了本書的很多重要章節。我還要感謝達尼拉?魯斯（Daniela Rus）邀請我去麻省理工學院，我在那里完成了本書的第一稿。達尼拉、 保羅和塞德里克?普拉達里爾（Cedric Pradalier）還在本書早期素材準備方面給予了我很多建設性的意見和建議。當然，我還要感謝MATLAB軟件的發行商MathWorks公司，他們有專為作者提供的幫助計劃。施普林格（Springer）出版社為本書出版提供了全程巨大的幫助，我與他們的合作非常愉快。我要特別感謝本書的編輯托馬斯?迪馳林格(Thomas Ditzinger) 以及阿明?施塔斯（Armin Stasch），他們將我的手稿錄入并完成排版。
雖然我已盡了最大努力去避免，但書中肯定還會有錯誤。如果讀者發現有錯誤的地方，或者對本書內容有改進建議，請發Email給我，我的郵箱是rvc@petercorke.com。
最后我想說，與一名作家一起生活總是不容易的，很多書籍和網站還對此有專門的探討。所以，我要把我最深情的感謝送給菲利帕（Phillipa），她在我寫作本書過程中給予我極大的支持和鼓勵，并且還在世界各地“陪伴”此書很長時間。
彼得?科克
布里斯班，昆士蘭
2011年6月 |
內容簡介：本書是關于機器人學和機器視覺的實用參考書， 第一部分“基礎知識”（第2章和第3章）介紹機器人及其操作對象的位置和姿態描述，以及機器人路徑和運動的表示方法；第二部分“移動機器人”（第4章至第6章）介紹其基本運動控制模式及其導航和定位方法；第三部分“臂型機器人”（第7章至第9章）介紹其運動學、動力學和控制方面的知識；第四部分“計算機視覺”（第10章至第14章）包括光照與色彩，圖像形成和處理技術，圖像特征提取，以及基于多幅圖像的立體視覺技術；第五部分“機器人學、 視學與控制”（第15章和第16章）分別討論基于位置和基于圖像的視覺伺服及更先進的混合視覺伺服方法。本書將機器人學與機器視覺知識有機結合，給出了實例算法和程序。作者有完備的代碼可下載，用于驗證書中知識點和實例，注重如何利用視覺信息控制機器人的運動。 |
目錄：第1章 緒言
1.1 關于本書
1.1.1 MATLAB軟件
1.1.2 讀者對象及必備知識
1.1.3 符號與約定
1.1.4 怎樣使用本書
1.1.5 使用本書教學
1.1.6 本書梗概
第一部分 基 礎 知 識
第2章 位置與姿態描述
2.1 二維空間位姿描述
2.2 三維空間位姿描述
2.2.1 三維空間姿態描述
2.2.2 平移與旋轉組合
2.3 本章總結
延伸閱讀
習題
第3章 時間與運動
3.1 軌跡
3.1.1 平滑一維軌跡
3.1.2 多維的情況
3.1.3 多段軌跡
3.1.4 三維空間姿態插值
3.1.5 笛卡兒運動
3.2 時變坐標系
3.2.1 旋轉坐標系
3．2．2 增量運動
3.2.3 慣性導航系統
3.3 本章總結
延伸閱讀
習題
第二部分 移動機器人
第4章 移動機器人載體
4.1 機動性
4．2 移動機器人小車
4.2.1 移動到一個點
4.2.2 跟蹤一條直線
4.2.3 跟蹤一般路徑
4.2.4 運動到一個位姿
4.3 飛行機器人
4.4 本章總結
擴展閱讀
習題
第5章 機器人導航
5.1 反應式導航
5.1.1 Braitenberg車
5.1.2 簡單自動機
5.2 基于地圖的路徑規劃
5.2.1 距離變換
5.2.2 D*
5.2.3 沃羅諾伊路線圖法
5.2.4 概率路線圖方法
5.2.5 RRT
5.3 本章總結
擴展閱讀
習題
第6章 機器人定位
6．1 航跡推算
6．1．1 機器人建模
6.1.2 位姿估計
6.2 使用地圖
6.3 創建地圖
6.4 定位并制圖
6.5 蒙特卡羅定位
6.6 本章總結
擴展閱讀
習題
第三部分 臂型機器人
第7章 機械臂運動學
7.1 描述一臺機械臂
7.2 正運動學
7.2.1 兩連桿機器人
7.2.2 六軸機器人
7.3 逆運動學
7.3.1 封閉形式解
7.3.2 數值解
7.3.3 欠驅動機械臂
7.3.4 冗余機械臂
7.4 軌跡
7.4.1 關節空間運動
7.4.2 笛卡兒運動
7.4.3 通過奇異位形的運動
7.4.4 位形轉換
7.5 高級問題
7.5.1 關節角偏移
7.5.2 確定D-H參數
7.5.3 改進D-H參數
7.6 應用： 繪圖
7.7 應用： 一個簡單的步行機器人
7.7.1 運動學
7.7.2 單腿運動
7.7.3 四腿運動
7.8 本章總結
擴展閱讀
習題
第8章 速度關系
8.1 機械手的雅可比矩陣
8.1.1 坐標系之間的速度轉換
8.1.2 末端執行器坐標系的雅可比矩陣
8.1.3 解析雅可比矩陣
8.1.4 雅可比條件及可操縱性
8.2 分解速率運動控制
8.2.1 雅可比矩陣的奇異性
8.2.2 欠驅動機器人的雅可比矩陣
8.2.3 過驅動機器人的雅可比矩陣
8.3 力的關系
8.3.1 坐標系間的力旋量轉換
8.3.2 力旋量轉換至關節空間
8.4 逆運動學： 一個通用數值方法
8.5 本章總結
擴展閱讀
習題
第9章 動力學與控制
9.1 運動方程
9.1.1 重力
9.1.2 慣量矩陣
9.1.3 科氏矩陣
9.1.4 有效載荷的影響
9.1.5 基座力
9.1.6 動態可操作性
9.2 傳動系統
9.2.1 摩擦
9.3 正向動力學
9.4 機械臂關節控制
9.4.1 驅動器
9.4.2 獨立關節控制
9.4.3 剛體動力學補償
9.4.4 柔性傳動
9.5 本章總結
擴展閱讀
習題
第四部分 計算機視覺
第10章 光與色彩
10.1 光的譜表示
10.1.1 吸收
10.1.2 反射
10.2 色彩
10.2.1 顏色再造
10.2.2 色度空間
10.2.3 色彩名稱
10.2.4 其他顏色空間
10.2.5 兩種原色之間的轉換
10.2.6 什么是白色
10.3 高級議題
10.3.1 顏色的不變性
10.3.2 白平衡
10.3.3 由于吸收的顏色變化
10.3.4 伽瑪
10.3.5 應用： 彩色圖像
10.4 本章總結
擴展閱讀
習題
第11章 圖像形成
11.1 透視變換
11.1.1 透鏡畸變
11.2 相機標定
11.2.1 齊次變換法
11.2.2 分解相機標定矩陣
11.2.3 位姿估計
11.2.4 相機標定工具箱
11.3 非透視成像模型
11.3.1 魚眼鏡頭相機
11.3.2 反射折射相機
11.3.3 球形相機
11.4 統一化成像
11.4.1 映射廣角圖像到球面上
11.4.2 合成透視圖像
11.5 本章總結
擴展閱讀
習題
第12章 圖像處理
12.1 獲取圖像
12.1.1 來自文件的圖像
12.1.2 來自附帶相機的圖像
12.1.3 來自電影文件的圖像
12.1.4 來自網絡的圖像
12.1.5 來自代碼的圖像
12.2 一元操作
12.3 二元操作
12.4 空間操作
12.4.1 互相關
12.4.2 模板匹配
12.4.3 非線性操作
12.5 數學形態學
12.5.1 去除噪聲
12.5.2 邊界檢測
12.5.3 形態交離變換
12.6 形狀變化
12.6.1 裁剪
12.6.2 圖像縮放
12.6.3 圖像金字塔
12.6.4 圖像變形
12.7 本章總結
擴展閱讀
習題
第13章 圖像特征提取
13.1 區域特征
13.1.1 分類
13.1.2 圖像表示
13.1.3 圖像描述
13.1.4 簡要回顧
13.2 直線特征
13.3 點特征
13.3.1 經典角點檢測器
13.3.2 尺度空間角點檢測器
13.4 本章總結
擴展閱讀
習題
第14章 使用多幅圖像
14.1 特征匹配
14.2 多視圖幾何學
14.2.1 基本矩陣
14.2.2 本質矩陣
14.2.3 估計基本矩陣
14.2.4 平面單應性
14.3 立體視覺
14.3.1 稀疏立體匹配
14.3.2 密集立體匹配
14.3.3 峰值細化
14.3.4 清理和重構
14.3.5 三維紋理映射顯示
14.3.6 補色立體圖
14.3.7 圖像矯正
14.3.8 平面擬合
14.3.9 3D點集匹配
14.4 結構和運動
14.5 應用： 透視矯正
14.6 應用： 拼接
14.7 應用： 圖像匹配和檢索
14.8 應用： 圖像序列處理
14.9 本章總結
擴展閱讀
習題
第五部分 機器人學、 視覺與控制
第15章 基于視覺的控制
15.1 基于位置的視覺伺服
15.2 基于圖像的視覺伺服
15.2.1 相機和圖像運動
15.2.2 控制特征運動
15.2.3 深度
15.2.4 控制性能分析
15.3 使用其他圖像特征
15.3.1 直線特征
15.3.2 圓特征
15.4 本章總結
擴展閱讀
習題
第16章 高級視覺伺服
16.1 XY/Z分割的IBVS
16.2 使用極坐標的IBVS
16.3 對一個球面相機的IBVS
16.4 應用： 機械臂機器人
16.5 應用： 移動機器人
16.5.1 完整約束移動機器人
16.5.2 非完整約束移動機器人
16.6 應用： 飛行機器人
16.7 本章總結
擴展閱讀
習題
附 錄
附錄A 安裝工具箱
附錄B Simulink軟件
附錄C MATLAB對象
附錄D 線性代數復習
附錄E 橢圓
附錄F 高斯隨機變量
附錄G 雅克比矩陣
附錄H 卡爾曼濾波
附錄I 齊次坐標系
附錄J 圖
附錄K 峰值搜索
術語
參考文獻 |
| 序： |
|
