Course：本科生《机器人设计与实践》 2018年春季开设
课程说明：
本课程面向自动化专业大一新生，是新生深刻理解自动化专业的重要窗口，是新生接受专业入门教育的重要课程。课程承接《自动化专业导论》的教学内容，以轮式机器人这一类典型自动化系统为教授对象，将重点围绕移动机器人小车的SolidWorks机械设计、基本电子电路入门、电机驱动与反馈、逻辑控制器编程与传感器入门、机器人基本控制理论和轮式机器人数学建模与控制等方面展开，通过实验实践为主、课堂教学为辅、以学生为核心的翻转课堂方式，使学生对轮式机器人这类自动化系统的各子系统及其集成有较为深刻的理解。通过本课程的学习，学生能够达到的目标描述如下：
1. 建立起对轮式机器人的感性和理性认识，包括内涵、本质和外延、应用范围和作用等；了解轮式机器人的基本机械结构、基本电子电路以及自动化科学与技术的核心内容；通过轮式机器人这一典型系统，建立对自动化系统的感性和理性认识; 了解我校及自动化专业的人才培养目标，了解专业人才完整的知识结构及能力与素质要求，了解专业的课程体系结构及设计理念。
2. 通过循序渐进且系统的课程上机、实验以及课外制作，从实践中深入体会自动化系统的各个核心子系统的组成、应用以及潜在的问题，强化学生对实际问题的分析、综合和解决能力，增强学生的工程实现能力，培养学生学习后续课程的积极性和主动性。
先修课程：C语言程序设计，自动化专业导论
参考教材： MIT Course System – Adam Hartz等，Course Notes of Introduction to EECS via Robotics, 2016.
- Course：Navigation of Autonomous Robots (2018)
| Year 2018: From 10th March
Week 1-8 Wed. Class 1 & Fri. Class 4 Building A 308 Language: English |
Course Outline：
- Introduction to Mobile Robots
- Introduction to Probabilistic Robotics
- Bayes Filter Implementations Kalman Filters
- Kalman Filter Implementations Localization
- Bayes Filter Implementations: Discrete Filters: Histogram Filter，Particle Filter
- Partilce Filter Application：Monte Carlo Localization
- Simultaneous Localization and Mapping
- Rigid Body Motion
- Lie Group & Lie Algebra
- Camera Model & Nonlinear Optimization
- Visual Odometry: Direct & Feature-based
- Front-end & Back-end
- Loop Detection
- Mapping & SLAM future
- Motion Planning & Final Project
- Navigation of Mobile Robots. (2011-2017)
Textbook: Probabilistic Robotics, Sebastian Thrun, Wolfram Burgard, Dieter Fox.
Contents: Introduction of different kinds of mobile robots, Parameter/Non Parameter based Bayes Filters, Monte Carlo Localization, EKF based Localization, EKF-SLAM, FastSLAM, RGBD-SLAM, and Sample-based Motion Planning
- Computer Vision. (2009-2010)
Textbook: Digital Image Processing, Kenneth R. Castleman.
Computer Vision: a modern approach,David A. Forsyth, & Jean Ponce.