移动机器人原理与设计 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[法] 吕克·若兰（Luc Jaulin） 著，王世伟，谢广明 译

图书标签:

• 移动机器人
• 机器人学
• 控制工程
• 路径规划
• 传感器
• SLAM
• ROS
• 嵌入式系统
• 机械设计
• 人工智能

出版社： 机械工业出版社

ISBN：9787111591863

版次：1

商品编码：12342610

品牌：机工出版

包装：平装

丛书名： 机器人学译丛

开本：16开

出版时间：2018-03-01

用纸：胶版纸

页数：218

正文语种：中文

内容简介

　　移动机器人在军事、医疗和农业等领域发展迅速，空中无人机、水中探测机器人和清洁机器人等应用不断升级。移动机器人学着眼于移动机器人的设计，涉及自动控制、信号处理、力学、计算和电子等多个学科的知识。
　　《移动机器人原理与设计》面向工程应用，介绍相关基础知识和分析工具，主要内容包括三维建模、反馈线性化、无模型控制、导引、实时定位、辨识和卡尔曼滤波等，涵盖执行器、传感器、导航和控制理论等方面。书中原理部分较为简洁，不展开建模过程的细节。设计部分侧重于通过实践来掌握不同方法，每章都包含丰富的习题和详尽的解答，特别是结合作者在水中机器人和帆船机器人领域的研究和教学经验，提供了大量有价值的实例。

内页插图

目录

译者序
前言
第1章 三维建模
1．1 旋转矩阵
1．1．1 定义
1．1．2 旋转向量
1．1．3 伴随矩阵
1．1．4 坐标系变换
1．2 欧拉角
1．2．1 定义
1．2．2 欧拉矩阵的导数
1．2．3 欧拉矩阵的旋转向量
1．3 刚性机器人的运动学模型
1．4 习题
1．5 参考答案

第2章 反馈线性化
2．1 控制积分链
2．1．1 比例微分控制器
2．1．2 比例积分微分控制器
2．2 引例
2．3 方法的原理
2．3．1 原理
2．3．2 相对次数
2．3．3 微分延迟矩阵
2．3．4 奇异点
2．4 二轮车
2．4．1 一阶模型
2．4．2 二阶模型
2．5 控制三轮车
2．5．1 速度和转向控制
2．5．2 位置控制
2．5．3 选择另一个输出
2．6 帆船
2．6．1 极坐标曲线
2．6．2 微分延迟
2．6．3 反馈线性化的方法
2．6．4 极坐标曲线控制
2．7 运动学模型和动力学模型
2．7．1 原理
2．7．2 倒立摆系统
2．7．3 伺服电机
2．8 习题
2．9 参考答案

第3章 无模型控制
3．1 无人车的无模型控制
3．1．1 方向和速度的比例控制器
3．1．2 方向的比例微分控制器
3．2 雪橇车
3．2．1 模型
3．2．2 正弦驱动控制
3．2．3 最大推力控制
3．2．4 快速动态特性的简化
3．3 帆船
3．3．1 问题
3．3．2 控制器
3．3．3 导航
3．3．4 实验
3．4 习题
3．5 参考答案

第4章 导引
4．1 球面上的导引
4．2 路径规划
4．2．1 简单示例
4．2．2 贝塞尔多项式
4．3 维诺图
4．4 人工势场法
4．5 习题
4．6 参考答案

第5章 实时定位
5．1 传感器
5．2 测角定位
5．2．1 问题描述
5．2．2 内接角
5．2．3 平面机器人的静态三角测量
5．2．4 动态三角测量
5．3 多点定位
5．4 习题
5．5 参考答案

第6章 辨识
6．1 二次型函数
6．1．1 定义
6．1．2 二次型的导数
6．1．3 二次型函数的特征值
6．1．4 二次型函数的最小化
6．2 最小二乘法
6．2．1 线性情形
6．2．2 非线性情形
6．3 习题
6．4 参考答案

第7章 卡尔曼滤波器
7．1 协方差矩阵
7．1．1 定义和解释
7．1．2 性质
7．1．3 置信椭圆
7．1．4 生成高斯随机向量
7．2 无偏正交估计
7．3 线性估计的应用
7．4 卡尔曼滤波器
7．5 卡尔曼平滑器
7．6 习题
7．7 参考答案
参考文献
索引

前言/序言

　　移动机器人可以被定义为一个能够在其所处的环境中自主移动的机械系统。为了实现这个目标，它必须装备：
　　·传感器，帮助获得关于其周围环境的知识（这些知识它或多或少知道一些）并确定
　　它的位置。
　　·执行器，使得机器人能够运动起来。
　　·智能（算法或调节器），基于传感器收集到的数据，计算出移动指令并发送到执行
　　器，以完成给定的任务。
　　最后，我们还必须加上移动机器人所处的环境和它的使命。前者对应于机器人所处的不断变化的世界，后者对应于机器人必须要完成的任务。从21世纪初以来，移动机器人在军事领域（空中无人机[BEA12]、水中机器人[（2RE14]等）乃至医疗和农业领域都取得了持续不断的进展。在某些领域中，执行任务对人类而言是痛苦或者危险的，这些领域对机器人的需求非常高。例如这样一些情形：清除地雷、在海底搜索失事飞机的黑匣子以及行星探测等。人造卫星、发射器（如阿里安五号运载火箭）、无人驾驶地铁和自动电梯都是移动机器人的典型案例。飞机、火车和汽车以一种持续的方式不断向改进着的自主系统演化，并且非常有可能在接下来的几十年内变成移动机器人。
　　移动机器人学是着眼于移动机器人设计的学科[LAU01]。它基于自动控制、信号处理、力学、计算和电子等多个学科。本书的主要目标是概述机器人学中有助于移动机器人设计的有关方法和工具。机器人将由状态方程描述，即一组一阶（通常为非线性的）微分方程。这些状态方程可以运用力学定律获得。我们的目标不包括详细讲授机器人建模的方法（可参考文献[JAU05]和[JAU15]获得更多相关主题的信息），而是仅仅回顾相关基本原理。对于建模，我们这里指得到状态方程，这一步是机器人仿真以及控制器设计的必要前提。不过，在第1章中我们会刻意举一些三维（3D）案例来阐述建模的基本原理。这是为了介绍机器人学中的一些重要基本概念，如欧拉角和旋转矩阵。例如，我们将讨论一个车轮的动力学过程和一个水中机器人的运动学过程。移动机器人都是强非线性系统，并且只有一类非线性方法可以构造有效的控制器。此类构造过程是第2章和第3章的主题。第2章主要以依赖于机器人模型的控制方法为基础，这个方法将利用反馈线性化的概念，我们将通过多个例子进行介绍和阐述。第3章提出一些更实用的方法，这些方法不会用到机器人的状态模型，而是归为无模型或者模仿。该类方法采用一类对机器人的更直观的描述，适用于机器人相对简单且可以远程控制的情形，例如车辆、帆船或者飞机。第4章关注导引问题，其处于比控制更高的层面。换句话说，将重点放在导引、监控那些经由第2章和第3章所列工具控制之下的系统。因此，这里将着重强调如何获得指令并提供给控制器，以便机器人能够完成给定的任务。那么，这些导引必须考虑到周遭环境的知识、障碍物的出现以及环形的地球表面。非线性控制和导引方法需要关于系统状态变量的优良知识，例如那些定义机器人位置的变量。这些位置变量是最难获得的，因此第5章关注定位问题。这一章引入一些经典的非线性方法，长期以来人们一直利用这些方法来进行定位，包括观测信标、星象、使用罗盘或者累计步数。尽管定位可以看成一类特殊的状态观测，但其特定的方法值得将其单独列为一章。第6章的辨识专注于从另外一些可测量的量获得不可测量的量，并保有一定的精度。为了完成这种辨识，我们将主要关注所谓的最小二乘方法，该方法通过寻找变量向量使得误差的平方和达到最小。第7章介绍卡尔曼滤波器，可以将该滤波器看作一个参数随时间变化的线性动态系统的状态观测器。

探索智能世界的基石：自动化、控制与信息融合的奥秘 这是一本关于如何赋予机器自主行动能力的理论与实践的探索性著作，它深入解析了驱动现代自动化系统核心的原理，并提供了将其转化为实际产品的设计指南。本书并非关于具体的机器人硬件制造，而是聚焦于“如何让机器思考并行动”这一根本性问题。我们将一同潜入那些看不见却无处不在的智能系统背后，理解它们如何感知环境、如何做出决策、以及如何精确地执行任务，最终为构建更智能、更高效的未来世界奠定坚实的基础。 第一部分：感知世界的眼睛与耳朵——环境建模与状态估计 要让一个机器拥有自主能力，首先需要它能“看见”和“听见”周围的世界。这一部分将详细阐述机器如何理解它所处的环境。我们从传感器技术的原理出发，不仅仅是罗列各种传感器（如摄像头、激光雷达、超声波传感器、惯性测量单元IMU、编码器等），更侧重于理解它们是如何将物理世界的信号转化为机器能够处理的数字信息的。例如，摄像头捕捉光线形成图像，激光雷达通过测量光束往返时间来确定距离，IMU则通过陀螺和加速度计来感知机器自身的姿态和运动。 然而，原始的传感器数据往往是嘈杂、不完整甚至充满噪声的。因此，数据预处理与滤波技术显得至关重要。我们将学习如何运用卡尔曼滤波、粒子滤波等经典算法，有效地从噪声中提取有用的信息，并对传感器数据进行校准和融合。这就像是为机器的大脑提供一份清晰、准确的环境报告。 更进一步，我们需要让机器在心中勾勒出一幅世界的“地图”，即使在视野受限的情况下也能知道自己的位置。定位与地图构建（SLAM）是其中的核心。本书将深入剖析SLAM的原理，从基于特征点的视觉SLAM，到基于点云的激光SLAM，再到更先进的图优化SLAM技术。我们将探讨如何让机器在未知环境中边探索边构建环境地图，同时精确地估计自身在地图中的位置。这不仅是导航的基础，也是理解机器人“空间感”的关键。 最后，我们还将触及目标识别与跟踪。机器如何从传感器数据中分辨出重要的物体（如障碍物、目标货物、特定标志物等），并持续地追踪它们的运动轨迹？这涉及到图像处理、模式识别以及多目标跟踪算法的原理，为机器与外界的交互提供前提。 第二部分：思考与决策的灵魂——运动规划与控制 拥有了感知能力，机器便具备了“思考”的潜力。这一部分将聚焦于如何让机器根据环境信息做出明智的决策，并将其转化为精确的动作。 运动规划是核心议题。当机器需要从一个地点移动到另一个地点，或者完成一个特定的操作时，如何规划出一条最优、安全的路径？我们将学习全局路径规划算法，如A算法、Dijkstra算法，它们能够在已知的地图中寻找全局最优路径。同时，我们也将深入局部路径规划，包括DWA（动态窗口法）、TEB（时间弹性带）等，这些算法能够让机器在动态、不确定的环境中实时避开障碍物，做出即时响应。 运动规划的输出是一系列期望的轨迹或速度指令，但机器的物理执行能力是有限的。这就需要运动控制的介入。我们将从经典的PID（比例-积分-微分）控制器讲起，理解其背后的控制理论，并探讨如何在机器人系统中实现精确的速度、位置和姿态控制。对于更复杂的系统，我们还会介绍模型预测控制（MPC）等先进控制策略，它们能够考虑系统的动态特性和约束，实现更优的性能。 此外，轨迹跟踪技术也是必不可少的一环。规划出的路径往往是理想化的，如何让机器的实际运动能够尽可能地贴近规划轨迹？本书将分析各种轨迹跟踪算法，包括基于误差反馈的跟踪，以及考虑系统非线性的跟踪方法。 第三部分：与世界互动的桥梁——人机交互与任务执行 即使机器能够精确地移动和感知，它也需要与人类或其他系统进行有效的沟通和协作。这一部分将探讨机器如何接收指令、如何反馈信息，以及如何执行复杂的任务。 人机交互是关键。在简单应用中，可以通过预设的命令或遥控来控制机器。但对于更智能的系统，我们需要更自然、更直观的交互方式。本书将涉及指令理解，包括基于规则的解析和基于机器学习的自然语言理解（简要介绍），让机器能理解人类的口头或书面指令。同时，我们还将讨论状态反馈，机器如何通过显示屏、语音提示、甚至表情来向人类传达其当前的状态、遇到的问题或执行的结果。 任务调度与执行是实现复杂功能的基石。一个机器人可能需要按顺序执行一系列子任务，例如，先识别目标，再导航到目标位置，然后执行抓取操作。我们将探讨任务分解的策略，以及如何构建任务执行流程，包括如何处理子任务间的依赖关系、如何进行错误恢复。 在一些场景下，机器可能需要与其他机器或系统协同工作。分布式协调与协作的原理也将被引入，简要介绍多机器人协同避障、协同任务分配等概念，为构建更宏大的自动化体系提供视角。 第四部分：智能决策的引擎——机器学习与感知融合 为了让机器的决策能力更上一层楼，机器学习技术扮演着越来越重要的角色。本书将并非作为一本机器学习的专著，而是侧重于介绍与机器人应用密切相关的机器学习概念。 我们将首先介绍监督学习，例如，如何利用标记数据训练分类器来识别物体，或者训练回归模型来预测物体的运动。深度学习，尤其是卷积神经网络（CNN）在图像识别和感知中的应用，将是重点讲解的内容。我们将理解CNN如何从原始图像中提取高级特征，从而实现精准的目标检测和场景理解。 无监督学习也将被提及，例如，如何让机器通过聚类分析来发现环境中未知的模式。强化学习的概念也将被引入，解释其在让机器通过“试错”学习最优策略方面的潜力，例如，用于学习复杂的控制任务或导航策略。 多模态感知融合是实现更鲁棒智能的关键。机器同时接收来自不同传感器（视觉、激光、声音等）的信息，如何将这些信息有效地融合起来，形成对环境更全面、更准确的理解？我们将探讨特征级融合和决策级融合的策略，以及如何利用机器学习模型实现这种融合，例如，通过注意力机制来权衡不同传感器的信息重要性。 本书的目标读者： 本书适合所有对驱动现代自动化技术感到好奇并希望深入了解其工作原理的读者。这包括： 计算机科学与工程专业的学生： 为理解人工智能、机器学习、计算机视觉和控制理论在实际应用中的结合提供坚实基础。 机械工程与自动化专业的工程师： 拓展在设计和实现自主系统方面的知识，掌握先进的感知、规划和控制技术。 对机器人技术和未来科技充满热情的研究者和爱好者： 探索智能机器的内在逻辑，理解它们如何从简单的执行者蜕变为具备一定“智能”的实体。 通过对这些核心原理的深入剖析和对实际设计方法的探讨，本书将帮助读者构建起一个完整的认知框架，理解并掌握构建智能感知、决策与行动系统的关键要素，为投身于这个日新月异的智能时代做好充分的准备。

评分☆☆☆☆☆

我对《移动机器人原理与设计》这本书的评价可以用“干货满满”来形容。它不仅仅是一本理论书籍，更像是工程师的实战手册。书中对于机器人动力学建模的讲解，非常注重工程实际的应用。作者详细阐述了如何根据机器人的物理结构和动力学特性，建立精确的数学模型，并如何利用这些模型来进行仿真和优化设计。例如，在讨论轮式移动机器人时，书中不仅介绍了基本的运动学模型，还深入分析了轮胎与地面的摩擦力、关节的阻尼效应等因素对机器人运动精度的影响，这对于实际的机器人开发过程中非常重要。此外，书中还介绍了多种机器人系统的测试和验证方法，包括在仿真环境中的测试，以及在真实机器人平台上的实验验证，这些都为读者提供了宝贵的实践指导，帮助读者将理论知识转化为实际的工程能力。

评分☆☆☆☆☆

作为一名即将步入自动化领域的学生，我一直在寻找一本能够系统性梳理移动机器人知识体系的书籍，而《移动机器人原理与设计》无疑满足了我的期望。这本书最让我印象深刻的是其逻辑结构的严谨性和内容的深度。在核心技术层面，它深入探讨了机器人的控制系统设计，包括PID控制器、模糊逻辑控制器以及更复杂的模型预测控制等。书中对每种控制策略的原理、实现方法和适用范围都做了详尽的论述，并配有大量的仿真和实验数据作为支撑，这对于理解机器人的“大脑”如何指挥“身体”做出精准的动作至关重要。特别是在讲解机器人动力学模型时，作者并没有回避复杂的数学表达，而是通过逐步分解和清晰的注释，帮助读者理解每个变量的物理意义，从而能够自己动手搭建和仿真更复杂的机器人模型。

评分☆☆☆☆☆

读完《移动机器人原理与设计》之后，我对移动机器人的未来充满了憧憬。书中关于“多机器人协同”的章节给我留下了深刻的印象，它不再是单个机器人的孤军奋战，而是多个机器人如何协调配合，共同完成任务，比如在大型空间进行协同测绘，或者在灾难现场进行大范围搜救。作者探讨了信息共享、任务分配以及避免碰撞等关键问题，这些都为未来更智能、更高效的机器人协作系统奠定了理论基础。书的最后部分还对移动机器人面临的挑战和发展趋势进行了展望，包括人机交互、安全性以及伦理道德等问题，这些都促使我从更宏观的视角去思考这个学科的意义和价值。总而言之，这是一本集理论与实践于一体的优秀教材，对于任何想要深入了解移动机器人领域的读者来说，都是一本不可多得的宝藏。

评分☆☆☆☆☆

作为一名对智能硬件领域充满好奇的爱好者，最近有幸接触到一本名为《移动机器人原理与设计》的书籍。尽管我在此之前对这个领域涉足不深，但这本书却以一种循序渐进、深入浅出的方式，为我打开了新世界的大门。书的开篇并没有直接抛出复杂的公式或晦涩的概念，而是从移动机器人的基本定义、发展历程以及其在各个领域的广泛应用入手，让我对这个充满活力的学科产生了浓厚的兴趣。随后，作者详细阐述了移动机器人感知、决策和执行这三大核心功能模块。在感知部分，书中不仅讲解了常见的传感器类型，如摄像头、激光雷达、超声波传感器等，还深入分析了它们的工作原理、优缺点以及在不同场景下的适用性。例如，在自动驾驶的例子中，书中生动地描绘了摄像头如何“看见”道路标识和行人，激光雷达如何构建精确的三维环境地图，以及超声波传感器如何辅助近距离避障，这些细节让我对机器人的“眼睛”和“耳朵”有了更直观的认识。

评分☆☆☆☆☆

我一直对那些能够自主穿梭于复杂环境的“聪明”机器着迷，所以当我在书架上看到《移动机器人原理与设计》时，毫不犹豫地将其收入囊中。这本书的内容之丰富，让我应接不暇。书中对于机器人运动学和动力学部分的讲解尤为精彩，它不仅仅是枯燥的公式堆砌，而是通过清晰的图示和详实的推导，将机器人手臂的关节运动、轮式机器人的转向机制等一系列复杂的问题一一剖析。我特别喜欢其中关于“运动学逆解”的章节，作者用一种非常巧妙的方式，将数学上的复杂计算转化为对机器人实际运动的直观理解。此外，书中还花了相当大的篇幅讨论了机器人路径规划和导航算法，从经典的A算法到更先进的SLAM（同步定位与建图）技术，都进行了详细的介绍和比较。书中的例子也很有代表性，比如在仓库物流、清洁机器人以及搜救机器人等场景下的应用，让我看到了理论知识如何转化为实际的生产力和服务。