☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

这是一本介绍视觉SLAM 的书。

　　SLAM 是Simultaneous Localization and Mapping 的缩写，中文译作「同时定位与地图型建置」。它是指搭载特定感测器的主体，在没有环境先验资讯的情况下，于运动过程中建立环境的模型，同时估计自己的运动。

　　本书的主题就是SLAM视觉， SLAM 的目的是解决「定位」与「地图型建置」这两个问题。也就是说，一边要估计感测器本身的位置，一边要建立周围环境的模型。近年来随着科技的发展，涌现出了一大批与SLAM 相关的应用点。

　　本书全面系统地介绍了以视觉感测器为主体的视觉SLAM 技术，详细地介绍SLAM 的理论背景、系统架构，以及各个模组的主流做法。同时，极其重视实作：本书介绍的所有重要演算法，都将列出可以执行的实际程式，以求加深读者的了解。并把完整的SLAM 系统分成几个模组：视觉里程计、后端最佳化、建图，以及回路检测。我们将陪着读者一点点实现这些模组中的核心部分，探讨它们在什么情况下有效，什么情况下会出问题，并指导大家在自己的机器上执行这些程式。你会接触到一些必要的数学理论和许多程式设计知识，会用到Eigen、OpenCV、PCL、g2o、Ceres 等函数库，掌握它们在Linux 作业系统中的使用方法。

　　全书分为三大部分：

　　「数学基础篇」
　　第1 讲 是预备知识，介绍本书的基本资讯，习题部分主要包含一些自测题。
　　第2 讲 为SLAM 系统概述，介绍一个SLAM 系统由哪些模组成，各模组的实际工作是什么。实作部分介绍程式设计环境的架设过程及IDE 的使用。
　　第3 讲 介绍3D 空间刚体运动，你将接触到旋转矩阵、尤拉角、四元数的相关知识，并且在Eigen 中使用它们。
　　第4 讲介绍李群与李代数。即使你现在不懂李代数为何物，也没有关系。你将学到李代数的定义和使用方式，然后透过Sophus 操作它们。
　　第5 讲 介绍针孔相机模型及影像在电脑中的表达。你将用OpenCV 调取相机的内外参数。
　　第6 讲 介绍非线性最佳化，包含状态估计理论基础、最小平方问题、梯度下降方法。你会完成一个使用Ceres 和g2o 进行曲线拟合的实验。

　　「实作应用篇」
　　第7 讲 为特征点法的视觉里程计。该讲内容比较多，包含特征分析与比对、对极几何约束的计算、PnP 和ICP 等。在实作中，你将用这些方法估计两个影像之间的运动。

　　第8 讲 为直接法的视觉里程计。你将学习光流和直接法的原理，然后实现一个简单的直接法运动估计。

　　第9 讲 为后端最佳化，主要为对Bundle Adjustment（BA）的深入讨论，包含基本的BA，以及如何利用稀疏性加速求解过程。你将用Ceres 和g2o 分别撰写一个BA 程式。

　　第10 讲 主要介绍后端最佳化中的位姿图。位姿图是表达关键页框之间约束的一种更紧凑的形式。我们会介绍SE(3)和Sim(3)的位姿图，同时你将使用g2o 对一个位姿球进行最佳化。

　　第11 讲 为回路检测，主要介绍以词袋方法为主的回路检测。你将使用DBoW3 撰写字典训练程式和回路检测程式。

　　第12 讲 为地图型建置。我们会讨论如何使用一元进行稠密深度图的估计（以及这是多么不可靠），然后讨论RGB-D 的稠密地图型建置过程。你会撰写极线搜索与块符合的程式，然后在RGB-D 中遇到点云地图和八叉树地图的建置问题。

　　第13 讲 是专案实作，你将架设一个二元视觉里程计架构，综合运用先前学过的知识，实现它的基本功能。在这个过程中，你会碰到一些问题，例如最佳化的必要性、关键页框的选择等。我们会在Kitti 资料集上测试它的效能，讨论一些改进的方法。

　　第14 讲 主要介绍目前的开放原始码SLAM 方案及未来的发展方向。相信在阅读了前面的知识之后，你会更容易了解它们的原理，实现自己的新想法。

　　适合读者群  机器人技术工程师、对 SLAM 有兴趣者，或 SLAM 相关课程科系师生作为教材或自学参考。                                     

本书特色

　　SLAM视觉属于电脑视觉和机器人研究的交叉领域，本书系统介绍SLAM视觉（同时定位与地图构置）所需的基本知识与核心演算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化；又涵盖电脑视觉的演算法实现，例如多视图几何、回环检测等。书中提供大量的实例程式码供读者学习，从而更深入地掌握内容。

　　► 更多的实例 增加一些实验程式来介绍演算法的原理。本书中的许多程式，除了唿叫函数库函数，还提供底层的实现。

　　► 更深入的内容 主要是从第7讲至第12讲的部分，重新定义那些容易引起误解的内容。

　　► 更完整的专案项目 在介绍所有必要知识之后，向读者展现一个完整的SLAM 系统是如何工作的。以精简的程式实现完整的功能，读者会获得一个由几百行程式实现、有完整前后端的SLAM 系统。

　　► 更通俗、简洁的表达 这是一本好书的标准，作者重新制作部分插图，清晰简明的让读者更清楚易懂。

作者简介

高翔

　　清华大学自动化系博士，慕尼克工业大学博士后。专注于电脑视觉、定位与建图、机器学习等，着、译作有《视觉SLAM十四讲：从理论到实践》、《机器人学中的状态估计》，在RAS、Auto Robotics、IROS等期刊会议上发表论文。现从事自动驾驶车辆研发工作。

张涛

　　清华大学自动化系教授。1999年获清华大学自动化系检测技术与自动化装置专业博士学位，2002年获日本国立佐贺大学工学系研究科系统控制专业博士学位。研究课题包括机器人、航空航太、电脑视觉等。

刘毅

　　华中科技大学图像与人工智慧研究所博士。专注于影像处理、三维重建、视觉SLAM，以及感测器融合研究和应用，曾在深圳市大疆创新公司，英特尔中国研究院等单位实习。
　
颜沁睿

　　比利时荷语鲁汶大学人工智慧硕士，电子工程学士（GroupT）。长期致力于研究人工智慧技术在机器人领域的应用，包括电脑视觉、机器学习和SLAM。现担任地平线机器人公司智慧驾驶部演算法工程师。
 

前言
01 | 预备知识
1.1 本书讲什么
1.2 如何使用本书
1.3 风格约定
1.4 致谢和宣告
1.5 习题（基础自测题）

第一部分 数学基础
02 | 初识SLAM
2.1 引子：小萝卜的实例
2.2 经典视觉SLAM 架构
2.3 SLAM 问题的数学表述
2.4 实作：程式设计基础
2.5 习题
03 | 3D 空间刚体运动
3.1 旋转矩阵
3.2 实作：Eigen
3.3 旋转向量和尤拉角
3.4 四元数
3.5 相似、仿射、射影转换
3.6 实作：Eigen 几何模组
3.7 视觉化示范
3.8 习题
04 | 李群与李代数
4.1 李群与李代数基础
4.2 指数与对数对映
4.3 李代数求导与扰动模型
4.4 实作：Sophus
4.5 相似转换群与李代数
4.6 小结
4.7 习题
05 | 相机与影像
5.1 相机模型
5.2 影像
5.3 实作：电脑中的影像
5.4 实作：3D 视觉
5.5 习题
06 | 非线性最佳化
6.1 状态估计问题
6.2 非线性最小平方
6.3 实作：曲线拟合问题
6.4 小结
6.5 习题

第二部分 实践应用
07 | 视觉里程计1
7.1 特征点法
7.2 实作：特征分析和比对
7.3 2D−2D：对极几何
7.4 实作：对极约束求解相机运动
7.5 三角测量
7.6 实作：三角测量
7.7 3D−2D：PnP
7.8 实作：求解PnP
7.9 3D−3D：ICP
7.10 实作：求解ICP
7.11 小结
7.12 习题
08 | 视觉里程计2
8.1 直接法的引出
8.2 2D光流
8.3 实作：LK 光流
8.4 直接法
8.5 实作：直接法
8.6 习题
09 | 后端1
9.1 概述
9.2 BA与图最佳化
9.3 实作：Ceres BA
9.4 实作：g2o 求解BA
9.5 小结
9.6 习题
10 | 后端2
10.1 滑动视窗泸波和最佳化
10.2 位姿图
10.3 实作：位姿图最佳化
10.4 习题
11 | 回路检测
11.1 概述
11.2 词袋模型
11.3 字典
11.4 相似度计算
11.5 实验分析与评述
11.6 习题
12 | 建图
12.1 概述
12.2 一元稠密重建
12.3 实作：一元稠密重建
12.4 RGB-D 稠密建图
12.5 TSDF 地图和Fusion 系列
12.6 小结
12.7 习题
13 | 实作：设计SLAM 系统
13.1 为什么要单独列专案章节
13.2 专案架构
13.3 实现
13.4 实验效果
13.5 习题
14 | SLAM：现在与未来
14.1 目前的开放原始码方案
14.2 未来的SLAM 话题
14.3 习题
A | 高斯分佈的性质
A.1 高斯分佈
A.2 高斯分佈的运算
A.3 复合的实例
B | 矩阵求导
B.1 纯量函数对向量求导
B.2 向量函数对向量求导
C | ROS 入门
C.1 ROS 是什么
C.2 ROS 的特点
C.3 如何快速上手ROS

 

None

SLAM视觉十四讲：双倍内容强化版 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价