第1章 傳感器的基礎(chǔ)知識 1
思維導(dǎo)圖 1
學(xué)習(xí)目標 2
1.1 傳感器的定義和特點 2
1.2 傳感器的組成和分類 2
1.3 傳感器的標定 8
1.4 機器人與傳感器 10
1.5 傳感器及其技術(shù)的發(fā)展趨勢 11
1.6 多傳感器信息融合的應(yīng)用領(lǐng)域 13
本章小結(jié) 15
思考與練習(xí) 15

第2章 機器人系統(tǒng)組成 16
思維導(dǎo)圖 16
學(xué)習(xí)目標 17
2.1 機器人系統(tǒng)組成概述 17
2.2 機械結(jié)構(gòu)系統(tǒng) 18
2.2.1 機械機構(gòu) 18
2.2.2 傳動機構(gòu) 23
2.3 驅(qū)動系統(tǒng) 30
2.3.1 液壓驅(qū)動 30
2.3.2 氣壓驅(qū)動 32
2.3.3 電氣驅(qū)動 32
2.4 感知系統(tǒng) 34
2.4.1 機器人對傳感器的要求 34
2.4.2 常用傳感器的特性 36
2.5 控制系統(tǒng) 38
2.6 人機交互系統(tǒng) 40
2.6.1 定義與系統(tǒng)組成 40
2.6.2 應(yīng)用實例 41
2.6.3 發(fā)展趨勢 41
2.7 機器人-環(huán)境交互系統(tǒng) 42
2.7.1 定義與構(gòu)成要素 42
2.7.2 應(yīng)用實例 43
2.7.3 系統(tǒng)優(yōu)勢 44
本章小結(jié) 45
思考與練習(xí) 45

第3章 機器人常用的傳感器 46
思維導(dǎo)圖 46
學(xué)習(xí)目標 47
3.1 機器人傳感器的分類 47
3.2 常用的內(nèi)部傳感器 48
3.2.1 位置傳感器 48
3.2.2 速度傳感器 51
3.2.3 加速度傳感器 52
3.2.4 傾斜角傳感器 53
3.2.5 力覺傳感器 54
3.3 常用的外部傳感器 56
3.3.1 視覺傳感器 56
3.3.2 觸覺傳感器 59
3.3.3 接近度傳感器 62
3.3.4 激光傳感器 66
本章小結(jié) 67
思考與練習(xí) 68

第4章 智能傳感器 69
思維導(dǎo)圖 69
學(xué)習(xí)目標 70
4.1 智能傳感器概述 70
4.1.1 智能傳感器的定義 70
4.1.2 智能傳感器的組成 71
4.1.3 智能傳感器的關(guān)鍵技術(shù) 71
4.2 智能傳感器的功能與特點 76
4.2.1 智能傳感器的功能 76
4.2.2 智能傳感器的特點 76
4.3 智能傳感器的實現(xiàn)技術(shù) 78
4.3.1 非集成化智能傳感器 78
4.3.2 集成化智能傳感器 79
4.3.3 混合式智能傳感器 80
4.4 無線傳感網(wǎng)絡(luò)技術(shù)及其應(yīng)用 81
4.4.1 無線傳感網(wǎng)絡(luò)技術(shù) 81
4.4.2 無線傳感器網(wǎng)絡(luò)在移動機器人通信中的應(yīng)用 85
4.5 智能模糊傳感器技術(shù)及其應(yīng)用 87
4.5.1 智能模糊傳感器技術(shù) 87
4.5.2 模糊傳感器在測量血壓中的應(yīng)用 90
本章小結(jié) 92
思考與練習(xí) 92

第5章 多傳感器信息融合技術(shù)概述 93
思維導(dǎo)圖 93
學(xué)習(xí)目標 94
5.1 多傳感器信息融合的定義 94
5.2 多傳感器信息融合的分類 94
5.3 多傳感器信息融合的系統(tǒng)結(jié)構(gòu) 99
5.4 多傳感器信息融合的方法 100
本章小結(jié) 103
思考與練習(xí) 104

第6章 多傳感器的定量信息融合 105
思維導(dǎo)圖 105
學(xué)習(xí)目標 106
6.1 傳感器的建模 106
6.1.1 觀測模型 107
6.1.2 相關(guān)模型 108
6.1.3 狀態(tài)模型 109
6.2 傳感數(shù)據(jù)的一致性檢驗 109
6.2.1 假設(shè)檢驗法 110
6.2.2 距離檢驗法 111
6.2.3 人工神經(jīng)網(wǎng)絡(luò)方法 113
6.3 基于參數(shù)估計的信息融合方法 114
本章小結(jié) 118
思考與練習(xí) 118

第7章 多傳感器的定性信息融合 119
思維導(dǎo)圖 119
學(xué)習(xí)目標 120
7.1 Bayes方法 120
7.1.1 Bayes條件概率 120
7.1.2 Bayes方法在信息融合中的應(yīng)用 121
7.1.3 基于目標分類的Bayes決策方法 121
7.2 Dempster-Shafer證據(jù)推理 123
7.2.1 D-S理論的基本概念 123
7.2.2 Dempster合成法則 125
7.2.3 D-S證據(jù)理論在融合中的應(yīng)用 126
7.3 模糊理論 127
7.3.1 模糊理論基本概念 127
7.3.2 模糊理論在融合中的應(yīng)用 128
7.4 神經(jīng)網(wǎng)絡(luò)法 129
7.4.1 神經(jīng)網(wǎng)絡(luò)融合信息的一般方法 129
7.4.2 神經(jīng)網(wǎng)絡(luò)在融合中的應(yīng)用 131
7.5 粗糙集理論 131
7.5.1 粗糙集基本概念 132
7.5.2 基于粗糙集理論的多傳感器信息融合 135
本章小結(jié) 140
思考與練習(xí) 141

第8章 多傳感器在裝配機器人中的應(yīng)用 142
思維導(dǎo)圖 142
學(xué)習(xí)目標 143
8.1 多傳感器信息融合系統(tǒng)組成 143
8.2 位姿傳感器 144
8.3 柔性腕力傳感器 147
8.4 工件識別傳感器 148
8.5 視覺傳感系統(tǒng) 149
本章小結(jié) 151
思考與練習(xí) 151

第9章 多傳感器在焊接機器人中的應(yīng)用 152
思維導(dǎo)圖 152
學(xué)習(xí)目標 153
9.1 焊接機器人常用的傳感器 153
9.2 電弧傳感系統(tǒng) 153
9.3 超聲傳感跟蹤系統(tǒng) 155
9.4 視覺傳感跟蹤系統(tǒng) 157
本章小結(jié) 159
思考與練習(xí) 159

第10章 多傳感器信息融合在移動機器人中的應(yīng)用 160
思維導(dǎo)圖 160
學(xué)習(xí)目標 161
10.1 概述 161
10.2 多傳感器信息融合在移動機器人導(dǎo)航中的應(yīng)用 163
10.3 多傳感器信息融合在移動機器人測距中的應(yīng)用 167
10.4 多傳感器信息融合在移動機器人避障中的應(yīng)用 181
本章小結(jié) 184
思考與練習(xí) 184

第11章 多傳感器在智能汽車中的應(yīng)用 185
思維導(dǎo)圖 185
學(xué)習(xí)目標 186
11.1 視覺傳感器 186
11.2 毫米波雷達 189
11.3 激光雷達 194
11.4 超聲波雷達 198
11.5 基于多傳感器融合的智能汽車導(dǎo)航定位 199
11.6 基于多傳感器融合的汽車防碰撞 205
本章小結(jié) 208
思考與練習(xí) 209

參考文獻 210