随着自动化和人工智能技术的迅猛发展，智能机器人技术已经成为推动社会各个领域进步的关键引擎。在这一背景下，本书从扎实的理论基础出发，结合领域内经典案例及实践性强的实验实践系统，全面阐述了智能机器人的发展历程、基本理论和经典方法等内容。本书共分为12章。第1章概述了智能机器人的发展历程和基本研究内容，旨在为读者提供宏观的认知。第2章至第4章侧重介绍了智能机器人的基础理论和前沿研究，结合经典算法进行深入探讨。第5章至第11章选取了多个经典智能机器人应用案例，从背景、原理分析到实践仿真操作及步骤，详细解释了智能机器人实验的方方面面。第12章则结合智能机器人领域的关键技术和国内外发展现状，对未来发展趋势以及可能面临的挑战进行了深入探讨。 通过本书，读者可以建立扎实的智能机器人理论基础，还能深入了解到该领域的实际应用和操作方法。本书适用于智能科学与技术、计算机科学与技术、机器人技术等专业领域的本科生和研究生，也为科研人员和工程师提供了丰富的参考资料，是一本极具实用价值的学习指南。

第1章 智能机器人概述
1.1 智能机器人的概念
1.1.1 智能机器人的背景介绍
1.1.2 智能机器人的定义
1.2 智能机器人的组成及特性
1.2.1 智能机器人的基本组成
1.2.2 智能机器人的分类与特性
1.3 智能机器人的基本应用
1.3.1 智能驾驶
1.3.2 家用服务
1.3.3 物流运输
1.3.4 极端环境探测
1.3.5 军事应用
1.3.6 医护应用
1.4 智能机器人的主要研究内容
1.4.1 感知与学习
1.4.2 规划与决策
1.4.3 动力学与控制
1.4.4 人机交互
第2章 智能机器人基础
2.1 智能机器人数学基础
2.1.1 矩阵理论
2.1.2 几何学
2.1.3 概率学
2.1.4 数值分析
2.2 智能机器人运动学基础
2.2.1 刚体及刚体自由度
2.2.2 正向动力学及逆动力学
2.2.3 闭链运动学
2.2.4 开链运动学
2.2.5 运动规划
2.3 智能机器人控制学基础
2.3.1 PID控制算法基本原理
2.3.2 数字PID控制
2.3.3 神经网络控制算法
2.3.4 蚁群控制算法
2.4 智能机器人软件基础
2.4.1 OpenCV库介绍
2.4.2 Python调用OpenCV库实现人脸识别
2.4.3 Linux开发
2.4.4 Anaconda介绍、安装及Pytorch介绍、使用
2.4.5 基于Pytorch的语音识别
2.4.6 MATLAB介绍、安装及使用
2.5 智能机器人常用硬件
2.5.1 机器人移动装置
2.5.2 机器人感知装置
2.5.3 机器人主控装置
第3章 智能机器人视觉学习
3.1 机器人图像处理技术
3.1.1 图像处理基础
3.1.2 图像处理技术
3.2 深度学习
3.2.1 卷积神经网络
3.2.2 循环神经网络
3.2.3 基于神经网络的物体识别
3.3 多传感器数据融合
3.3.1 基本概念及原理
3.3.2 多传感器融合分类
3.3.3 多传感器融合常用方法
3.3.4 多传感器融合算法
第4章 智能机器人规则学习
4.1 强化学习
4.1.1 强化学习的概念
4.1.2 强化学习的分类
4.1.3 马尔科夫决策过程
4.1.4 动态规划
4.1.5 蒙特卡罗算法
4.1.6 时序差分算法
4.1.7 算法实践——迷宫寻宝
4.2 路径规划算法
4.2.1 传统路径规划算法
4.2.2 基于采样的路径规划算法
4.2.3 现代智能路径规划算法
4.2.4 算法实践——最短路径规划
第5章 聊天机器人
5.1 主要应用背景
5.2 算法原理
5.2.1 数据预处理
5.2.2 seq2seq模型原理
5.2.3 网络结构介绍
5.3 实践操作与步骤
5.3.1 实验环境
5.3.2 实验代码
5.3.3 实验操作及结果
5.4 总结与展望
第6章 智能循迹车
6.1 主要应用背景
6.2 技术原理
6.2.1 系统硬件组成
6.2.2 系统工作原理
6.3 实践操作与步骤
6.3.1 实验环境
6.3.2 实验代码
6.3.3 实验步骤及结果
6.4 总结与展望
第7章 五子棋机器人
7.1 背景介绍
7.2 技术原理
7.2.1 系统硬件组成
7.2.2 系统硬件工作原理
7.2.3 策略价值网络
7.2.4 蒙特卡罗树搜索算法
7.2.5 棋盘建模
7.2.6 系统总体流程
7.3 实践操作与步骤
7.3.1 实验环境
7.3.2 实验操作步骤及结果
7.4 总结与展望
第8章 象棋机器人
8.1 主要应用背景介绍
8.2 技术原理
8.2.1 棋盘检测算法
8.2.2 中国象棋人机博弈算法
8.3 实践操作与步骤
8.3.1 数据集介绍
8.3.2 实验环境
8.3.3 实验操作步骤及结果
8.4 总结与展望
第9章 智能眼控移动机器人
9.1 主要应用背景
9.2 算法原理
9.2.1 系统硬件组成
9.2.2 系统硬件工作原理
9.2.3 眼球识别网络
9.2.4 眼球分割网络
9.2.5 用户眼球方向识别
9.2.6 轮椅控制原理
9.3 实践操作与步骤
9.3.1 实验环境
9.3.2 实验操作步骤及结果
9.4 总结与展望
第10章 导盲机器人
10.1 主要应用背景
10.2 技术原理
10.2.1 系统硬件组成
10.2.2 系统工作原理
10.2.3 YOLO检测识别网络
10.2.4 SegNet图像分割网络原理
10.2.5 Show and Tell场景描述网络原理
10.3 悬空物体避障策略原理及实现
10.4 物体检测与识别实践操作
10.4.1 实验环境
10.4.2 实验代码
10.4.3 实验操作步骤及结果
10.5 FCN盲道分割实践操作
10.5.1 实验环境
10.5.2 实验代码
10.5.3 实验操作步骤及结果
10.6 总结与展望
第11章 自动驾驶智能汽车
11.1 主要应用背景
11.2 技术原理
11.2.1 系统硬件组成
11.2.2 系统硬件工作原理
11.3 实践操作与步骤
11.3.1 实验环境
11.3.2 实验代码