机器人、视觉控制基础（1）--4W移动机器人运动学模型建立与仿真

导读：

随着传感器和计算机技术的发展，视觉定位与导航技术广泛地应用于各种各样的机器人中, 常见的有移动机器人、工业机械臂、安防机器人、无人机（UAV）、无人驾驶汽车等。在这些工业和商业应用中，机器人视觉技术（如SLAM、VSLAM等）扮演着重要角色，它赋予了机器感知外界环境信息的能力，使机器人具备了初等的定位和自主路径规划的能力。近年来，深度学习神经网络（Deep Learning NNs）快速发展，基于视觉目标检测和图像分割的优秀算法和神经网络框架不断涌现，如CNN、Faster R-CNN、YOLO V3等算法较传统的基于图像特征的算法SIFT、SURF有巨大的提升，借助深度学习这个强有力的工具，可以检测并提取移动机器人周围的物体信息，用于自主定位与导航。而在研究机器人视觉定位与导航技术之前，建立完备的移动机器人运动学模型具有重要意义，因此，本章节对所研究的4W移动机器人运动学建模过程做出简单介绍。

另外，作为全系列的首篇文章，内容组织与安排做如下前置声明：

参考书籍：

1. 《Principles of robot motion : theory, algorithms, and implementation》(机器人运动原理：理论，算法和实现)

                    c2005 版、Cambridge, Mass. : MIT Press，麻省理工大学出版社出版。

 2. 《Robotics, Vision and Control Fundamentals》

视频课程（10讲干货）：[科大]機器人學_隨機取樣路徑規劃

内容安排：

1 Introduction、2 Bug algorithms、3 Configuration space、4 Potential functions、5 Roadmaps、6 Cell decompositions

7 Sampling-based algorithms、8 Kalman filtering、9 Bayesian methods、10 Robot dynamics、11 Trajectory planning

12 Nonholonomic and underactuated systems

---

第一章 4W移动机器人运动学模型

 

 

 

第二章 简单路径规划和Matlab仿真