本书是作者近年来从事智能机器人研究和教学取得成果的总结，在参考和引用国内外相关研究成果的基础上编著而成，具有良好的基础性、系统性和实用性。全书共分10章，第1章为绪论，主要概述机器人定义、发展历史及分类；第2章为机器人运动学，介绍机器人位姿表示方法及机器人运动学方程；第3章为机器人动力学，介绍机器人静力分析和常用的动力学方法；第4章为机器人控制，描述机器人驱动与运动控制系统、状态空间控制，以及控制理论与算法；第5章为机器人感知，介绍机器人传感器基础知识及分类；第6章为视觉里程计，介绍特征点法、光流法和直接法；第7章为优化与地图构建，包含后端优化方法、回环检测及建图；第8章为机器人智能，介绍机器理解、机器推理及机器学习；第9章为服务机器人，介绍移动机器人、无人机及医用机器人；第10章为特种机器人，介绍空间机器人、水下机器人及军用机器人。
本书可作为本科生或硕士生的教学参考用书，也可供从事机器人及自动化装备研究、开发和应用的科技工作人员学习参考。

第1章 绪论
1.1 机器人概述
1.2 机器人定义
1.3 机器人发展历史
1.3.1 国外机器人发展史
1.3.2 国内机器人发展史
1.4 机器人分类
1.4.1 按机械手的几何结构分类
1.4.2 按机器人的控制方式分类
1.4.3 按机器人的信息输入方式分类
1.4.4 按机器人的智能程度分类
1.4.5 按机器人的用途分类
1.4.6 按机器人的移动性分类
1.5 机器人应用
1.5.1 工业机器人
1.5.2 探索机器人
1.5.3 服务机器人
1.5.4 军用机器人
1.6 机器人机械结构
1.6.1 连杆与运动副
1.6.2 操作臂
1.6.3 并联机构
课后习题
第2章 机器人运动学
2.1 运动学概述
2.2 齐次坐标和齐次变换
2.2.1 齐次坐标
2.2.2 齐次变换
2.3 机器人位姿表示
2.3.1 旋转矩阵
2.3.2 欧拉角
2.3.3 四元数
2.4 机器人运动学方程
2.4.1 连杆参数和连杆坐标系
2.4.2 连杆变换
2.5 机器人正运动学
2.5.1 运动状态和方向角
2.5.2 运动位置和坐标
2.5.3 连杆变换矩阵及其乘积
2.6 机器人逆运动学
2.6.1 逆运动学求解的一般问题
2.6.2 逆运动学的代数解法与几何解法
2.6.3 逆运动学的其他解法
课后习题
第3章 机器人动力学
3.1 引言
3.2 雅可比矩阵
3.2.1 雅可比矩阵定义及特点
3.2.2 雅可比矩阵的向量积求法
3.2.3 微分运动与微分变换
3.2.4 雅可比矩阵的微分变换求法
3.3 机器人静力分析
3.3.1 机械臂连杆受力与关节平衡驱动力
3.3.2 静力平衡方程与静力映射分析
3.3.3 静力学的逆问题
3.3.4 力与力矩的坐标转换
3.4 拉格朗日动力学方法
3.4.1 拉格朗日动力学建模
3.4.2 拉格朗日动力学方程分析
3.5 牛顿-欧拉动力学方法
3.5.1 惯性张量
3.5.2 牛顿方程与欧拉方程
3.5.3 递推的牛顿一欧拉动力学方法
3.5.4 力和力矩的内推迭代公式
3.6 凯恩动力学方法
课后习题
第4章 机器人控制
4.1 机器人控制基础
4.2 驱动与运动控制系统
4.2.1 机器人驱动方式
4.2.2 液压驱动与运动系统
4.2.3 气压驱动与运动系统
4.2.4 新型驱动器
4.3 状态空间控制
4.3.1 位置控制
4.3.2 轨迹控制
4.3.3 关节空间及笛卡儿坐标
4.3.4 关节空间的轨迹规划
4.4 控制理论与算法
4.4.1 机器人语言的结构
4.4.2 机器人编程语言的类型
4.4.3 常用的机器人编程语言
4.4.4 可变汇编语言
4.4.5 汇编语言
4.4.6 机器人离线编程系统
4.4.7 常用的离线编程软件
4.5 智能控制
课后习题
第5章 机器人感知
5.1 传感器基础知识
5.1.1 传感器发展历程
5.1.2 传感器及其技术的发展趋势
5.1.3 多传感器信息融合的应用领域
5.1.4 机器人对传感器的要求
5.2 传感器概述
5.2.1 传感器的原理
5.2.2 传感器的特性指标
5.2.3 内部传感器
5.2.4 外部传感器
5.2.5 机器人视觉
5.2.6 机器人听觉
5.2.7 多传感器信息融合
课后习题
第6章 视觉里程计
6.1 SLAM传感器
6.1.1 摄像头
6.1.2 激光雷达
6.1.3 惯性测量单元
6.1.4 其他类型传感器
6.2 视觉SLAM特征点法
6.2.1 ORB特征
6.2.2 特征匹配
6.2.3 计算相机运动
6.3 视觉SLAM 2D-2D：对极几何
6.4 视觉SLAM 3D-2D：PnP
6.4.1 直接线性变换
6.4.2 BA变换
6.5 视觉SLAM 3D-3D：ICP
6.5.1 SVD方法
6.5.2 非线性优化方法
6.6 视觉SLAM光流法
6.6.1 单层光流
6.6.2 多层光流
6.7 视觉SLAM直接法
6.8 激光SLAM
课后习题
第7章 优化与地图构建
7.1 后端优化
7.1.1 状态估计
7.1.2 卡尔曼滤波
7.1.3 非线性优化
7.1.4 位姿图
7.2 回环检测
7.2.1 回环检测的方法
7.2.2 准确率和召回率
7.2.3 词袋模型
7.2.4 相似度计算
7.2.5 关键帧的处理和验证
7.3 SLAM建图
7.3.1 稠密地图
7.3.2 地图表示方法
7.4 SLAM发展方向
课后习题
第8章 机器人智能
8.1 机器理解
8.1.1 知识表达
8.1.2 知识理解
8.2 机器推理
8.2.1 谓词及谓词公式
8.2.2 自然演绎法
8.2.3 归结反演推理系统
8.2.4 基于规则的演绎推理
8.2.5 不确定性推理
8.3 机器学习
8.3.1 机器学习概述
8.3.2 机器学习策略
8.3.3 机器学习结构
8.3.4 决策树学习
8.3.5 贝叶斯学习
8.3.6 强化学习
8.3.7 深度学习
8.4 人机交互
8.4.1