Python计算机视觉和自然语言处理 开发机器人应用系统

1.技术点热：用Python讲解自然语言处理技术和计算机视觉技术；； 2.作者知名：多名作者联合编写，继承了AI在机器人领域应用的权威经验； 3.内容丰富：用ROS开发更智能的机器人系统，用NLP技术和OpenCV技术让机器人更加智能； 4.立足实践：书中包含大量练习与项目，帮助读者快速掌握机器人开发技术，全方位提升读者的动手能力和研发能力。 5.配套资源：配套的代码资源包和彩色图片包，让你边学边对照，学习效率更高。

机器人是人工智能时代的重要产物，为人类的工作和生活提供了非常多的助力。对于智能机器人而言，视觉识别能力和对话能力是非常重要的两个方面，本书就是基于这两个技术展开介绍，并通过一系列的编程案例和实践项目，引导读者高效掌握机器人的开发技巧。
本书基于Python语言进行讲解，结合机器人操作系统（ROS）平台给出了丰富多样的机器人开发方案。本书立足于机器人的视觉和语言处理，通过OpenCV、自然语言处理、循环神经网络、卷积神经网络等技术提高机器人的视觉识别能力和对话能力。全书包括多个练习和项目，通过知识点和编程实践相结合的方式，快速带领读者掌握实用的机器人开发技术。
本书适合机器人或智能软硬件研发领域的工程师阅读，也适合高校人工智能相关专业的师生阅读。

第1章机器人学基础1
1．1简介1
1．2机器人学的历史2
1．3人工智能3
1．3．1自然语言处理简介4
1．3．2计算机视觉简介5
1．3．3机器人的类型5
1．3．4机器人的硬件和软件6
1．4机器人定位8
1．4．1练习1：计算机器人的位置10
1．4．2如何进行机器人开发12
1．4．3练习2：使用Python计算轮子走过的距离12
1．4．4练习3：使用Python计算机器人的最终位置13
1．4．5项目1：使用Python和测距法进行机器人定位15
1．5小结16
第2章计算机视觉17
2．1简介17
2．2计算机视觉基本算法18
2．2．1图像相关术语18
2．2．2OpenCV19
2．2．3阈值化19
2．2．4练习4：对图像应用各种阈值化操作21
2．2．5形态学变换25
2．2．6练习5：对图像应用形态学变换27
2．2．7模糊（平滑）31
2．2．8练习6：对图像应用模糊方法32
2．2．9练习7：加载图像并应用所学的各种方法34
2．3机器学习简介38
2．3．1决策树和提升方法38
2．3．2练习8：使用决策树、随机森林和AdaBoost进行数字预测41
2．3．3人工神经网络47
2．3．4练习9：构建第一个神经网络51
2．3．5项目2：对Fashion-MNIST数据集中的10种衣物进行分类54
2．4小结56
第3章自然语言处理57
3．1简介57
3．1．1自然语言处理58
3．1．2自然语言处理的两个部分59
3．1．3NLP的各层次60
3．2Python中的NLP61
3．2．1自然语言工具包（NLTK）61
3．2．2练习10：NLTK入门62
3．2．3spaCy65
3．2．4练习11：spaCy入门67
3．3主题建模70
3．3．1词频-逆文档频率（TF-IDF）70
3．3．2潜在语义分析（LSA）71
3．3．3练习12：使用Python进行主题建模72
3．3．4项目3：处理一个语料库75
3．4语言建模76
3．4．1语言模型简介76
3．4．2二元模型77
3．4．3N元模型77
3．4．4计算概率78
3．4．5练习13：创建一个二元模型80
3．5小结83
第4章NLP神经网络84
4．1简介84
4．2循环神经网络86
4．2．1循环神经网络（RNN）简介87
4．2．2循环神经网络原理87
4．2．3RNN架构89
4．2．4长距离依赖问题89
4．2．5练习14：使用RNN预测房价90
4．2．6长短期记忆网络93
4．2．7练习15：预测数学函数的下一个解94
4．3神经语言模型100
4．3．1神经语言模型简介100
4．3．2RNN语言模型102
4．3．3练习16：对一个小语料库进行编码103
4．3．4RNN的输入维度107
4．3．5项目4：预测字符序列中的下一个字符109
4．4小结111
第5章计算机视觉中的卷积神经网络112
5．1简介112
5．2CNN基础113
5．3构建第一个CNN118
练习17：构建一个CNN119
5．4改进模型的方法：数据增强124
5．4．1练习18：利用数据增强改进模型125
5．4．2项目5：使用数据增强来正确对花朵图像进行分类134
5．5最优选的模型：迁移学习137
练习19：基于迁移学习对钞票进行分类139
5．6小结144
第6章机器人操作系统（ROS）146
6．1简介146
6．2ROS基本概念147
6．3ROS基本命令148
6．4安装和配置149
6．5Catkin工作空间和软件包149
6．6发布者和订阅者150
6．6．1练习20：编写简单的发布者和订阅者151
6．6．2练习21：编写较复杂的发布者和订阅者154
6．7模拟器159
6．7．1练习22：Turtlebot配置159
6．7．2练习23：模拟器和传感器161
6．7．3项目6：模拟器和传感器163
6．8小结164
第7章构建基于文本的对话系统（聊天机器人）165
7．1简介165
7．2向量空间中的词表示166
7．2．1词嵌入166
7．2．2余弦相似度167
7．2．3Word2Vec168
7．2．4Word2Vec的问题169
7．2．5Gensim169
7．2．6练习24：创建词嵌入169
7．2．7全局向量（GloVe）173
7．2．8练习25：使用预训练的GloVe模型观察词语在平面上的分布174
7．3对话系统179
7．3．1聊天机器人的开发工具180
7．3．2对话代理的类型180
7．3．3创建基于文本的对话系统182
7．3．4练习26：创建第一个对话代理184
7．3．5项目7：创建一个用来控制机器人的对话代理189
7．4小结191
第8章利用基于CNN的物体识别来指导机器人193
8．1简介193
8．2多物体识别和检测194
8．2．1练习27：构建第一个多物体检测和识别系统195
8．2．2ImageAI200
8．3视频中的多物体识别和检测202
项目8：视频中的多物体检测和识别206
8．4小结206
第9章机器人的计算机视觉208
9．1简介208
9．2Darknet209
Darknet基础安装209
9．3YOLO210
9．3．1使用YOLO进行预测211
9．3．2在摄像头上使用YOLO215
9．3．3练习28：YOLO编程215
9．3．4练习29：在ROS中集成YOLO219
9．3．5项目9：机器人保安223
9．4小结224
附录本书项目概览225