机器人感知技术在学术界受到高度重视，在工业界有着迫切的需求。本书是作者多年深耕学术研究和教学实践的潜心力作，系统地梳理了机器人感知有关的知识体系，并由浅入深地阐述了机器人感知各层面技术的原理和方法，使读者能全面地掌握机器人感知技术知识，并提高解决实际问题的能力。本书既注重基本原理也强调工程应用，既注重基础知识的全面传授也反映国内外研究和应用的最新进展，同时关注学生基本技能和综合素质的培养，具有系统性、实用性和前瞻性。本书是高等院校人工智能、自动化和机器人工程等专业中机器人感知课程的优秀教材，可供机器人工程、自动化等相关专业的高年级本科生和研究生学习机器人感知课程使用，也可以供从事机器人感知研究与应用的科技人员学习参考。

李新德，东南大学教授，博士生导师，华中科技大学博士，新加坡国立大学博士后，美国佐治亚理工大学国家公派访问学者，俄罗斯自然科学院外籍院士，英国工程技术学会会士（FIET），IEEE高级会员，中国人工智能学会智能机器人专委会副主任委员，中国人工智能学会智能产品与产业工委会副主任委员，中国自动化学会智能制造系统专委会副主任委员等。主要研究方向涵盖人工智能、机器感知、智能机器人、人机交互、无人系统等。承担国家自然科学基金重大研究计划项目、重点项目，面上项目、十三五预研重点项目等40余项。在IEEE等发表SCI、EI收录的论文100余篇，2部著作，授权国家发明专利27项，软件著作权9个。获国际科学贡献奖、全球人工智能与机器人杰出科学家奖、江苏省科学技术奖、日内瓦国际发明金奖等多项。

前言
第1章 引言
1.1 机器人感知技术概述
1.1.1 度量层环境感知技术
1.1.2 拓扑层环境感知技术
1.1.3 语义层环境感知技术
1.1.4 复合环境感知技术
1.2 机器人与环境的交互机制概述
参考文献
第2章 数学基础
2.1 线性代数
2.1.1 向量
2.1.2 标量
2.1.3 矩阵
2.1.4 张量
2.1.5 矩阵的运算和操作
2.1.6 向量的线性相关与独立
2.1.7 矩阵的秩
2.1.8 单位矩阵或恒等运算符
2.1.9 矩阵的行列式
2.1.10 逆矩阵
2.1.11 向量的范数（模）
2.1.12 伪逆矩阵
2.1.13 以特定向量为方向的单位向量
2.1.14 一个向量在另一个向量方向上的投影
2.1.15 特征向量和特征值
2.1.16 矩阵的特征方程
2.2 导数、偏导数与链式法则
2.2.1 微分
2.2.2 函数的梯度
2.2.3 连续偏导数
2.2.4 链式法则
2.2.5 反向传播算法
2.3 梯度下降法及其变式
2.3.1 梯度下降法
2.3.2 梯度下降法的变式
2.4 二维空间位姿描述
2.5 三维空间位姿描述
2.5.1 正交旋转矩阵
2.5.2 三角度表示法
2.5.3 奇异点
2.5.4 单位四元数
2.5.5 平移与旋转组合
2.6 张量
2.7 概率基础
2.7.1 随机实验和样本空间
2.7.2 并集、交集和条件概率
2.7.3 事件联合概率
2.7.4 事件的互斥
2.7.5 事件的独立
2.7.6 条件独立
2.7.7 贝叶斯公式
2.7.8 概率质量函数
2.7.9 概率密度函数
2.7.10 随机变量的数学期望
2.7.11 随机变量的方差
2.7.12 偏度和峰度
2.7.13 协方差
2.7.14 相关性系数
2.7.15 一些常见的概率分布
2.7.16 似然函数
2.7.17 最大似然估计
2.7.18 中心极限定理
2.8 习题
参考文献
第3章 环境信息采集与度量层数据处理
3.1 基于超声波的环境信息
3.1.1 超声波传感器工作原理与关键指标
3.1.2 超声波传感器测量数据特性
3.1.3 基于超声波传感器的地图创建
3.2 基于激光雷达的环境信息
3.2.1 激光雷达工作原理
3.2.2 基于激光雷达的地图创建
3.3 基于视觉的环境信息
3.3.1 图像的数据表达
3.3.2 针孔相机模型与立体视觉
3.3.3 深度传感器及颜色深度传感器
3.3.4 视觉SLAM
3.4 常见触觉传感器
3.4.1 力传感器及其数据处理
3.4.2 接触觉传感器及其数据处理
3.4.3 压觉传感器及其数据处理
3.4.4 滑觉传感器及其数据处理
3.5 其他传感器
3.5.1 听觉传感器及其数据处理
3.5.2 味觉传感器及其数据处理
3.5.3 嗅觉传感器及其数据处理
3.5.4 接近觉传感器及其数据处理
3.6 习题
参考文献
第4章 静态目标检测与识别
4.1 基于二维信息的物体检测与识别
4.1.1 基于度量数据的障碍物检测
4.1.2 基于深度神经网络的物体检测
4.1.3 基于传统特征的物体分类识别
4.1.4 基于CNN的物体识别
4.2 基于三维信息的物体检测与识别
4.2.1 可行区域检测
4.2.2 目标物体检测与识别
4.3 基于触觉信息的物体感知技术
4.3.1 滑移检测
4.3.2 物体触觉识别
4.4 习题
参考文献
第5章 动态目标检测与识别
5.1 动态障碍物的检测
5.2 人脸检测与识别
5.2.1 人脸检测
5.2.2 人脸跟踪
5.3 人体检测
5.3.1 图像预处理
5.3.2 梯度方向直方图特征
5.3.3 基于有监督学习的人体检测
5.4 人体运动检测与跟踪
5.4.1 人体运动检测
5.4.2 人体运动跟踪
5.5 习题
参考文献
第6章 场所语义级环境描述与理解
6.1 场所描述与理解概述
6.2 基于物体的场所描述与理解
6.2.1 基于物体类别的方法
6.2.2 物体类别结合物体信息的方法
6.3 基于全局特征的场所描述与理解
6.4 基于自然语言的场所描述与理解
6.4.1 识别模型框架
6.4.2 数据预处理
6.4.3 模型结构
6.4.4 训练方法
6.4.5 实验验证
6.5 习题
参考文献
第7章 移动机器人语义地图与导航应用
7.1 基于手绘语义地图的视觉导航
7.2 手绘地图与实际地图的关联
7.3 基于预测估计的视觉导航
7.3.1 在线预测估计方法
7.3.2 无约束导航算法
7.3.3 动态避障导航算法
7.4 基于实体语义类别的视觉导航
7.4.1 SBoW模型自然路标识别算法
7.4.2 基于模糊颜色直方图的SBoW路标识别算法
7.4.3 基于自然路标识别的无障碍导航
7.5 基于自然语言的视觉导航
7.5.1 导航意向图的生成
7.5.2 基于受限自然语言路径的导航实验
7.5.3 基于完全自然语言路径的导航实验
附录