本书是一本探索利用元宇宙和虚拟现实技术来讲述自动控制原理的“元形态教材”。通过在元宇宙中构建虚拟校园学习环境，学生可在虚拟教室、虚拟实验室、虚拟图书馆和虚拟操场等元宇宙环境中学习系统与控制的理论知识并动手实践完成相关控制实验。同时本书以四旋翼无人机的飞行控制作为贯穿全书的实例，从应用需求的角度，以“极点”为核心，介绍了系统与控制的基础内容，将经典控制理论和现代控制理论融合统一。

本书共分为5章。第1章为绪论，介绍系统与控制的基本概念以及作为实例背景的无人机、作为虚拟平台的元宇宙；第2章介绍四旋翼无人机系统的运动学模型、动力学模型和力与力矩模型的详细推导过程，并给出微分方程和状态空间两种不同的模型表示方法；第3章则介绍了系统平衡点的概念以及非线性模型的线性化方法，并推导出以传递函数形式描述的无人机线性化模型；第4章阐述控制理论中的系统分析与设计方法，给出了系统的稳态和动态性能指标以及基于极点配置的PID控制器设计方法；第5章作为控制系统的实践章节，在介绍本书配套的元宇宙实验环境“元宇宙无人机控制实验室”基础上，给出了无人机高度控制任务和无人机位置控制任务两个基础实验任务，以及无人机轨迹跟踪控制任务和无人机路径规划控制任务两个综合实验任务。

本书可作为普通高校、高职高专院校的自动化类、电气类、机械类以及需要对系统与控制有所认识的其他专业学习系统与控制理论及技术的教材和参考书，也可以作为成人高等教育相关课程的教材，还可以供有关科研人员和工程技术人员参考。

前辅文
1 系统与控制、无人机、元宇宙
  1.1 系统、控制与控制系统
  1.2 无人机与无人机控制系统
  1.3 元宇宙、虚拟现实与虚拟校园
  1.4 控制系统基本知识
   1.4.1 开环控制系统与闭环控制系统
   1.4.2 单输入单输出系统与多输入多输出系统
   1.4.3 线性系统与非线性系统
   1.4.4 单闭环系统与串级控制系统
   1.4.5 控制系统的评价指标
   1.4.6 控制系统的多样性
  1.5 本章小结
2 四旋翼无人机的建模与仿真
  2.1 四旋翼无人机运动状态的数学描述
   2.1.1 参考坐标系
   2.1.2 无人机运动状态描述
   2.1.3 旋转矩阵——坐标系旋转的数学描述
  2.2 无人机运动学建模
   2.2.1 平动运动学
   2.2.2 姿态运动学
  2.3 无人机动力学建模
   2.3.1 平动动力学
   2.3.2 姿态动力学
  2.4 无人机力与力矩分析
  2.5 无人机动态系统模型的数值仿真
   2.5.1 无人机的常微分方程模型
   2.5.2 无人机的状态空间模型
   2.5.3 微分方程的数值仿真方法
   2.5.4 恒定升力下无人机运动的数值仿真
  2.6 本章小结
3 四旋翼无人机系统的设计模型
  3.1 非线性系统的线性化
  3.2 无人机系统的线性化
   3.2.1 无人机系统的平衡点
   3.2.2 无人机的线性化状态空间模型
  3.3 传递函数模型
   3.3.1 传递函数的定义
   3.3.2 状态空间模型转换为传递函数
   3.3.3 四旋翼无人机的传递函数模型
  3.4 本章小结
4 四旋翼无人机的控制系统设计
  4.1 四旋翼无人机的控制系统
  4.2 控制系统的期望特性
   4.2.1 控制系统的稳定性
   4.2.2 控制系统的动态特性
   4.2.3 控制系统的稳态特性
  4.3 PID控制器
  4.4 基于极点配置的PID控制器设计
   4.4.1 动态性能指标和闭环极点的关系
   4.4.2 基于动态性能指标的闭环极点位置
   4.4.3 二阶环节的PID控制器设计
  4.5 无人机高度控制系统设计
  4.6 无人机定点控制系统设计
   4.6.1 内外环控制结构
   4.6.2 内环控制器设计
   4.6.3 外环控制器设计
  4.7 本章小结
5 系统与控制的综合应用
  5.1 元宇宙无人机控制实验室
   5.1.1 元宇宙无人机控制实验室组成部分
   5.1.2 元宇宙无人机控制实验室操作方法
  5.2 无人机的基础控制任务
   5.2.1 无人机高度控制任务
   5.2.2 无人机位置控制任务
  5.3 无人机的综合控制任务
   5.3.1 无人机轨迹跟踪控制任务
   5.3.2 无人机路径规划控制任务
  5.4 本章小结
附录
参考文献

本书系统地介绍了机器人的基本原理、主要技术及其应用，使读者了解当前机器人技术的最新成果和未来发展方向。全书共12章，具体为绪论、机器人系统组成、机器人的机构、位姿描述和齐次变换、机械臂的运动学、机械臂的雅可比矩阵、移动机器人的运动学、并联机器人运动学基础、机器人的动力学、机器人的控制、机器人的运动规划、仿生机器人。

本书具有很强的基础性、实用性和前沿性。本书将基础理论和工程应用相结合，在介绍理论知识的同时，给出相关的应用示例，帮助学生加深对知识的理解；本书还注重体现学术前沿成果与新方法，开阔读者视野。

本书内容丰富，涵盖机器人的基础知识与前沿技术，可作为普通高等学校机电类本科生和研究生专业基础课的教材，也可供其他大专院校的学生及从事机器人研制、开发及应用的技术人员学习参考。

前辅文
第一章 绪论
  1.1 机器人的技术发展概论
   1.1.1 机器人的定义
   1.1.2 机器人学的历史与发展
  1.2 机器人学的基本概念
  1.3 机器人的分类
   1.3.1 工业机器人
   1.3.2 服务机器人
   1.3.3 特种机器人
  1.4 机器人的组成
  1.5 小结
  1.6 习题
第二章 机器人系统组成
  2.1 机械系统
   2.1.1 本体结构
   2.1.2 传动结构
  2.2 驱动系统
   2.2.1 电气式驱动
   2.2.2 液压式驱动
   2.2.3 气压式驱动
   2.2.4 三类驱动器的比较
   2.2.5 新型驱动器
  2.3 传感器系统
   2.3.1 位置和姿态传感器
   2.3.2 速度和加速度传感器
   2.3.3 力力矩传感器
   2.3.4 视觉传感器
   2.3.5 激光传感器
  2.4 控制系统
   2.4.1 控制器
   2.4.2 通信系统
  2.5 小结
  2.6 习题
第三章 机器人的机构
  3.1 机器人机构分类
   3.1.1 固定基座机器人机构
   3.1.2 移动机器人机构
   3.1.3 软体机器人机构
  3.2 典型固定基座机器人机构及其特点
   3.2.1 串联机器人
   3.2.2 并联机器人
   *3.2.3 混联机器人
   3.2.4 末端执行器结构分类及特点
  3.3 典型移动机器人机构及其特点
   3.3.1 轮式和履带式移动机构
   *3.3.2 足式机器人机构
  3.4 机构自由度
   3.4.1 基本概念说明
   3.4.2 自由度计算公式
   3.4.3 自由度计算示例
  3.5 小结
  3.6 习题
第四章 位姿描述和齐次变换
  4.1 位姿描述与齐次坐标表示
   4.1.1 刚体的位置描述
   4.1.2 刚体的姿态描述
   4.1.3 刚体的位姿与坐标系描述
  4.2 坐标变换
   4.2.1 平移变换
   4.2.2 旋转变换
   4.2.3 一般变换
   4.2.4 齐次变换
  4.3 运动算子
   4.3.1 平移算子
   4.3.2 旋转算子
   4.3.3 一般形式的运动算子
  4.4 变换矩阵的运算
   4.4.1 齐次变换矩阵相乘
   4.4.2 齐次变换矩阵求逆
   4.4.3 变换方程
  4.5 RPY角和欧拉角
   4.5.1 RPY角
   4.5.2 欧拉角
  4.6 等效轴角
   4.6.1 旋转变换通式
   4.6.2 等效转轴和等效转角
   4.6.3 齐次变换通式
   4.6.4 自由矢量的变换
  *4.7 四元数
   4.7.1 四元数定义
   4.7.2 四元数变换
  4.8 计算复杂性分析
  4.9 小结
  4.10 习题
第五章 机械臂的运动学
  5.1 机械臂中的基本概念
   5.1.1 默认坐标系
   5.1.2 机械臂的状态与属性
   5.1.3 机械臂运动学的重要性
  5.2 D-H建模方法
   5.2.1 连杆参数
   5.2.2 连杆之间连接的描述
   5.2.3 对首尾连杆的描述
   5.2.4 连杆坐标系
   5.2.5 用连杆坐标系规定连杆参数
   5.2.6 建立连杆坐标系的步骤
  5.3 正运动学
  5.4 逆运动学
   5.4.1 运动学的逆解特性
   5.4.2 逆运动学求解的方法
   5.4.3 Paul反变换法
  5.5 关节空间与操作空间
   5.5.1 关节空间与操作空间的关系
   5.5.2 操作空间的表示和求解方法
   5.5.3 坐标系的规定与标准命名
  5.6 小结
  5.7 习题
第六章 机械臂的雅可比矩阵
  6.1 雅可比矩阵的定义
  6.2 微分运动与微分变换
   6.2.1 微分运动
   6.2.2 微分运动算子
   6.2.3 微分运动的变换
   6.2.4 广义速度的变换
  6.3 刚体的速度变换
   6.3.1 刚体速度在不同坐标系下的变换
   6.3.2 刚体的物体和空间速度
  6.4 构造雅可比矩阵的方法
   6.4.1 微分变换法
   6.4.2 矢量积方法
   *6.4.3 旋量法
  6.5 逆雅可比矩阵和奇异性
   6.5.1 逆雅可比矩阵
   6.5.2 机构奇异性对运动的影响
   6.5.3 机械臂的灵巧性
  6.6 力雅可比矩阵
   6.6.1 机械臂上的静力
   6.6.2 力域中的雅可比矩阵
   6.6.3 静力的变换
  6.7 小结
  6.8 习题
第七章 移动机器人的运动学
  7.1 轮式移动机器人的运动学
   7.1.1 独轮车的运动学
   7.1.2 差速驱动机器人的运动学
   7.1.3 四轮机器人（车型）的运动学
   7.1.4 全向移动机器人的运动学
  7.2 足式移动机器人的运动学
   7.2.1 足式移动机器人的基本概念
   7.2.2 机身整体运动学
   *7.2.3 常见足式机器人单腿运动学
  7.3 小结
  7.4 习题
第八章 并联机器人运动学基础
  8.1 并联机器人的机构特性
   8.1.1 并联机构的定义和组成
   8.1.2 并联机构分类
   8.1.3 并联机构的运动学特性
  8.2 并联机构的运动学建模
   8.2.1 并联机构的连杆参数
   8.2.2 并联机构中关节的等价形式
   8.2.3 并联机构中的运动学方程
  8.3 并联机器人的正运动学
   8.3.1 数值法求解
   8.3.2 解析法求解
  8.4 并联机器人的逆运动学
   8.4.1 解析法求解示例
   8.4.2 几何法求解示例
  8.5 并联机器人的奇异性
   8.5.1 并联机器人中的雅可比矩阵
   8.5.2 并联机器人的奇异性
   8.5.3 并联机器人的灵巧性分析
  8.6 并联机器人的工作空间
   8.6.1 影响并联机器人工作空间的因素
   8.6.2 并联机器人工作空间的确定方法
  8.7 小结
  8.8 习题
第九章 机器人的动力学
  9.1 概述
  9.2 刚体动力学
   9.2.1 刚体的惯性
   9.2.2 刚体的动能
   9.2.3 刚体的动量
   *9.2.4 单刚体动力学
  9.3 牛顿-欧拉动力学方程
   9.3.1 牛顿-欧拉动力学方程的旋量形式
   9.3.2 串联机器人牛顿-欧拉动力学方程的递推法
   *9.3.3 串联机器人牛顿-欧拉动力学方程的旋量法
  9.4 拉格朗日动力学方程
   9.4.1 约束的性质
   *9.4.2 第一类拉格朗日动力学方程
   9.4.3 第二类拉格朗日动力学方程
   *9.4.4 串联机器人的拉格朗日动力学旋量法
  9.5 小结
  9.6 习题
第十章 机器人的控制
  10.1 机器人控制发展概述
  10.2 机器人典型控制方法
   10.2.1 机器人控制系统建模
   10.2.2 机器人控制与策略
  10.3 机器人的智能控制
  10.4 小结
  10.5 习题
第十一章 机器人的运动规划
  11.1 概述
  11.2 机械臂的轨迹规划
   11.2.1 关节空间的轨迹规划
   11.2.2 笛卡儿空间的轨迹规划
  11.3 移动机器人的路径规划
   11.3.1 基本算法
   11.3.2 全局路径规划
   11.3.3 局部路径规划
   11.3.4 同时定位与地图构建
  11.4 小结
  11.5 习题
第十二章 仿生机器人
  12.1 仿生机器人原理
  12.2 仿生运动设计
   12.2.1 仿生机械臂手
   12.2.2 仿生移动机器人
  12.3 仿生与人工智能
  12.4 小结
  12.5 习题

本书介绍了机器视觉系统的基本组成原理和图像处理的技术基础。本书在第1版的基础上，重点补充介绍了深度学习技术及其在机器视觉中的应用。全书共分12章，第１章简要介绍机器视觉技术的基本概念、系统构成以及发展趋势；第２章介绍机器视觉系统的硬件技术和教学实验设备；第３章介绍机器视觉组态软件XAVIS；第４章介绍图像处理技术；第５、６章分别介绍机器视觉应用最普遍的尺寸测量技术与缺陷检测技术；第７章介绍模式识别技术；第８章介绍图像融合技术；第９章介绍基于机器视觉的运动目标跟踪技术；第10章介绍三维重构的初级视觉理论与方法；第11章介绍深度学习技术；第12章介绍深度学习技术在机器视觉中的应用。

关于深度学习技术，本书用深度学习概述、深度学习的基本概念、卷积神经网络、经典的深度神经网络等几个小节，沿着深度学习的发展脉络，进行深入浅出的介绍，帮助初学者快速入门。另外，本书重点讲解了深度学习在目标检测、图像分割、图像识别和图像生成等任务中的应用情况和案例，基本关注到了计算机视觉领域的主要研究方向，为入门者提供解决类似问题的基本思路和实操方法。

本书既可作为高等学校自动化类、计算机类、电气类、机械类等相关专业的教材，也可供从事测量、检测、控制及机器视觉等系统研究、设计和开发的科研技术人员参考。本次修订立足于新工科、新专业方向，相信将对机器人工程专业、人工智能专业及其他相关专业的发展起到积极作用。

前辅文
第1章 绪论
  1.1 机器视觉技术的发展与应用
   1.1.1 机器视觉技术发展现状
   1.1.2 机器视觉技术的应用
  1.2 机器视觉系统的组成
   1.2.1 系统硬件
   1.2.2 组态软件
  1.3 机器视觉方法分类
   1.3.1 尺寸测量
   1.3.2 缺陷检测
   1.3.3 模式识别
   1.3.4 图像融合
   1.3.5 目标跟踪
   1.3.6 三维重构
  1.4 机器视觉发展趋势
  习题与实验
  参考文献
第2章 机器视觉硬件技术
  2.1 镜头技术
   2.1.1 视场角
   2.1.2 焦距
   2.1.3 自动调焦
   2.1.4 滤光镜
  2.2 摄像机技术
   2.2.1 数字摄像机
   2.2.2 分辨率
   2.2.3 帧速
   2.2.4 智能相机
   2.2.5 相机接口
  2.3 光源技术
   2.3.1 前光源
   2.3.2 背光源
   2.3.3 环形光源
   2.3.4 点光源
   2.3.5 可调光源
  2.4 图像采集卡
  2.5 摄像机标定技术
   2.5.1 成像几何模型
   2.5.2 典型标定方法
   2.5.3 标定策略
  2.6 ZM-VS1200机器视觉教学
  实验平台
  习题与实验
  参考文献
第3章 机器视觉组态软件XAVIS
  3.1 XAVIS简介
  3.2 XAVIS基本操作
   3.2.1 主窗口
   3.2.2 子窗口
   3.2.3 操作示例
  3.3 XAVIS基本函数
   3.3.1 参数类型
   3.3.2 文件操作
   3.3.3 控制函数
   3.3.4 功能函数
   3.3.5 扩展函数
  3.4 XAVIS接口技术
   3.4.1 动态链接库技术
   3.4.2 自定义算法库加载
  3.5 XAVIS编程实例
   3.5.1 边缘提取
   3.5.2 图像滤波
   3.5.3 尺寸测量
   3.5.4 印刷体字符检测
   3.5.5 三维重构
  3.6 提示和操作技巧
  习题与实验
第4章 图像处理技术
  4.1 图像增强
   4.1.1 空域图像增强
   4.1.2 频域图像增强
  4.2 图像分割
   4.2.1 双峰法
   4.2.2 迭代法
   4.2.3 大津法
   4.2.4 判别分析法
   4.2.5 一维最大熵法
  4.3 边缘提取
   4.3.1 边缘定义及分类
   4.3.2 边缘检测算子
   4.3.3 轮廓提取方法
  4.4 数学形态学分析
   4.4.1 数学形态学原理
   4.4.2 图像数学形态学的基本运算
   4.4.3 图像数学形态学的应用
  4.5 图像投影
  4.6 图像特征提取
   4.6.1 图像特征
   4.6.2 兴趣点提取
   4.6.3 直线提取
   4.6.4 圆弧提取
  4.7 配准定位方法
   4.7.1 图像配准数学建模
   4.7.2 图像配准方法
   4.7.3 图像配准的主要步骤
  习题与实验
  参考文献
第5章 尺寸测量技术
  5.1 长度测量
   5.1.1 距离测量
   5.1.2 多距离测量和齿长测量
   5.1.3 线段测量
  5.2 面积测量
   5.2.1 基于区域标记的面积测量
   5.2.2 基于轮廓向量的面积测量
  5.3 圆测量
   5.3.1 正圆的测量方法
   5.3.2 多圆测量
   5.3.3 利用曲率识别法识别圆
   5.3.4 椭圆的测量方法
  5.4 线弧测量
   5.4.1 基于Harris角点检测的线弧分离
   5.4.2 基于哈夫变换的线弧分离
  5.5 角度测量
  习题与实验
  参考文献
第6章 缺陷检测技术
  6.1 缺陷检测的分类方法
  6.2 瑕疵缺陷检测
   6.2.1 瑕疵缺陷图像的特点
   6.2.2 瑕疵缺陷检测算法
   6.2.3 应用实例
  6.3 划痕检测
   6.3.1 划痕图像的特点
   6.3.2 划痕检测算法
   6.3.3 应用实例
  6.4 焊点检测与分类方法
   6.4.1 PCB焊点的分类
   6.4.2 焊点检测与分类算法
   6.4.3 应用实例
  习题与实验
第7章 模式识别技术
  7.1 字符识别
   7.1.1 印刷体字符识别
   7.1.2 手写体字符识别算法
  7.2 条码识别
   7.2.1 条码技术
   7.2.2 一维条码识别
   7.2.3 二维条码识别
  7.3 车牌识别
   7.3.1 车牌图像预处理
   7.3.2 车牌字符分割与识别
  7.4 工件识别
   7.4.1 工件识别方法
   7.4.2 识别实例
  7.5 医学图像识别
   7.5.1 血管识别
   7.5.2 细胞识别
  习题与实验
  参考文献
第8章 图像融合技术
  8.1 图像融合分类
   8.1.1 像素级图像融合
   8.1.2 特征级图像融合
   8.1.3 决策级图像融合
  8.2 图像融合算法
   8.2.1 基本图像融合算法
   8.2.2 金字塔图像融合算法
   8.2.3 小波变换图像融合算法
  8.3 图像融合的评价标准
   8.3.1 主观评价标准
   8.3.2 客观评价标准
  8.4 图像融合应用
   8.4.1 多光照图像融合
   8.4.2 多聚焦图像融合
   8.4.3 异质图像融合
  习题与实验
  参考文献
第9章 目标跟踪技术
  9.1 检测与跟踪的关系
  9.2 运动目标检测
   9.2.1 相邻帧间差分算法
   9.2.2 背景差分算法
  9.3 运动目标跟踪
   9.3.1 特征匹配搜索算法
   9.3.2 均值漂移算法
   9.3.3 目标遮挡跟踪算法
  9.4 运动目标跟踪实例
   9.4.1 无遮挡目标跟踪实例
   9.4.2 有遮挡目标跟踪实例
  习题与实验
  参考文献
第10章 三维重构技术
  10.1 三维重构技术分类
  10.2 三维重构的基本概念
   10.2.1 辐射度
   10.2.2 目标表面朝向
   10.2.3 反射类型与反射模型
  10.3 SFS三维重构算法
   10.3.1 基于混合反射模型的SFS算法（AHRM）
   10.3.2 AHRM算法实例分析
   10.3.3 基于透视成像模型的SFS算法（APM）
   10.3.4 APM算法的实例分析
   10.3.5 SFS三维重构变分算法
   10.3.6 变分算法实例分析
  10.4 光度立体学
   10.4.1 光度立体视觉法
   10.4.2 算法实例
  习题与实验
  参考文献
第11章 深度学习技术
  11.1 深度学习概述
  11.2 深度学习的基本概念
   11.2.1 神经网络基础
   11.2.2 深度学习的损失函数
   11.2.3 深度学习中的激活函数
   11.2.4 基于梯度下降的学习
   11.2.5 深度学习的正则化
  11.3 卷积神经网络
   11.3.1 卷积层
   11.3.2 池化层
   11.3.3 全连接层
  11.4 经典的深度神经网络
   11.4.1 LeNet网络
   11.4.2 AlexNet网络
   11.4.3 VGGNet网络
   11.4.4 GoogLeNet网络
   11.4.5 ResNet网络
  习题与实验
  参考文献
第12章 深度学习技术在机器视觉中的应用
  12.1 常见的深度学习框架简介
  12.2 基于深度学习的目标检测
   12.2.1 常用的目标检测数据集介绍
   12.2.2 目标检测步骤
   12.2.3 Two stage算法
   12.2.4 One stage算法
  12.3 基于深度学习的图像分割算法
   12.3.1 语义分割
   12.3.2 实例分割
  12.4 基于深度学习的图像识别
   12.4.1 基于深度学习的人脸识别
   12.4.2 基于深度学习的掌纹识别技术
  12.5 基于深度学习的图像生成
   12.5.1 图像融合
   12.5.2 图像风格迁移
  习题与实验
  参考文献