-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

視覺SLAM十四講:從理論到實踐(第2版)

( 簡體 字)
作者:高翔 等類別:1. -> 教材 -> 數位影像處理
譯者:
出版社:電子工業出版社視覺SLAM十四講:從理論到實踐(第2版) 3dWoo書號: 51495
詢問書籍請說出此書號!

缺書
NT售價: 540

出版日:7/1/2019
頁數:408
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121369421
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

第二版序
《視覺 SLAM 十四講:從理論到實踐》出版已經兩年多。兩年來,這本書經歷了 13 次重印,在 GitHub 上擁有 2500 個星星,也在業界引起了廣泛的關注和討論。大多數讀者評價是正面的,當然,書中也有些地方不夠令人滿意。例如,這本書面向初學者,有些應該深入的地方講得不夠深入;書中的數學符號不夠統一,有些地方容易令讀者產生誤解;工程實踐章節內容不夠豐富,介紹較淺,等等。實際上,我在 2016 年中期開始創作第 1 版,所有文字、圖片和代碼都是從零開始準備的,再加上當時在讀博士,也是第一次寫這么厚的書,錯漏在所難免。2018 年,我在慕尼黑工大給學生講 SLAM 課程,期間又積累了一些材料,所以本書從內容上更豐富、更合理。在
第 1 版的基礎上做了如下改動:
1. 更多的實例。增加了一些實驗代碼來介紹算法的原理。在第 1 版中,多數實踐代碼調用了各種庫中的內置函數,現在我認為更深入地介紹底層計算會更好,所以本書中的許多代碼,除了調用庫函數,還提供了底層的實現。
2. 更深入的內容。主要是從第 7 講至第 12 講的部分,同時刪除了一些泛泛而談的邊角料(比如 GTSAM 相關內容?)。對第 1 版大部分數學公式進行了審查,重寫了那些容易引起誤解的內容。
3. 更完善的工程項目。將第 1 版的第 9 講移至第 13 講。于是,我們可以在介紹了所有必要知識之后,向大家展現一個完整的 SLAM 系統是如何工作的。相比于第 1 版,我在本書的項目中將追求以精簡的代碼實現完整的功能,你會得到一個由幾百行代碼實現的、有完整前后端的 SLAM 系統。
4. 更通俗、簡潔的表達。我覺得這是一本好書的標準,特別是當介紹一些看起來高深莫測的數學知識時。我重新制作了部分插圖,使它們即使在黑白印刷條件下也能看起來很清楚。
當然,每講前的簡筆畫我是不會改的!
總之,我盡量做到深入淺出,也希望本書能夠給你帶來更加舒適的閱讀體驗。
內容簡介:

本書系統介紹了視覺 SLAM(同時定位與地圖構建)所需的基本知識與核心算法,既包括數學理論基礎,如三維空間的剛體運動、非線性優化,又包括計算機視覺的算法實現,例如多視圖幾何、回環檢測等。此外,我們還提供了大量的實例代碼供讀者學習研究,從而更深入地掌握這些內容。本書可以作為對 SLAM 感興趣的研究人員的入門自學材料,也可以作為 SLAM 相關的高校本科生或研究生課程教材使用。
目錄:

第 1 講 預備知識 . . . . . . . . . . . . . . . . . . . . . . 1
1.1 本書講什么............. 1
1.2 如何使用本書 ........... 3
1.2.1 組織方式............ 3
1.2.2 代碼............. 5
1.2.3 面向的讀者........... 6
1.3 風格約定............ 6
1.4 致謝和聲明............. 8
第 1 部分 數學基礎 10
第 2 講 初識 SLAM. . . . . . . . . . . . . . . . . . . . . . 11
2.1 引子:小蘿卜的例子 ........... 13
2.2 經典視覺 SLAM 框架 .......... 19
2.2.1 視覺里程計........... 20
2.2.2 后端優化............ 21
2.2.3 回環檢測............ 22
2.2.4 建圖............. 23
2.3 SLAM 問題的數學表述.......... 24
2.4 實踐:編程基礎............ 27
2.4.1 安裝 Linux 操作系統.......... 27
2.4.2 Hello SLAM............ 29
2.4.3 使用 cmake ........... 30
2.4.4 使用庫 ........... 32
2.4.5 使用 IDE ............ 35
第 3 講 三維空間剛體運動 . . . . . . . . . . . . . . . . . . . . 40
3.1 旋轉矩陣............ 42
3.1.1 點、向量和坐標系........... 42
3.1.2 坐標系間的歐氏變換 ......... 43
3.1.3 變換矩陣與齊次坐標 ......... 46
3.2 實踐:Eigen............ 47
3.3 旋轉向量和歐拉角........... 53
3.3.1 旋轉向量............ 53
3.3.2 歐拉角 ........... 54
3.4 四元數 ............. 56
3.4.1 四元數的定義 ........... 56
3.4.2 四元數的運算 ........... 57
3.4.3 用四元數表示旋轉........... 59
3.4.4 四元數到其他旋轉表示的轉換........ 59
3.5 * 相似、仿射、射影變換.......... 61
3.6 實踐:Eigen 幾何模塊 ........... 62
3.6.1 Eigen 幾何模塊的數據演示......... 62
3.6.2 實際的坐標變換例子 ......... 64
3.7 可視化演示............. 66
3.7.1 顯示運動軌跡 ........... 66
3.7.2 顯示相機的位姿.......... 69
第 4 講 李群與李代數 . . . . . . . . . . . . . . . . . . . . 71
4.1 李群與李代數基礎........... 73
4.1.1 群............ 73
4.1.2 李代數的引出 ........... 74
4.1.3 李代數的定義 ........... 76
4.1.4 李代數 so(3)........... 76
4.1.5 李代數 se(3) ........... 77
4.2 指數與對數映射............ 78
4.2.1 SO(3) 上的指數映射.......... 78
4.2.2 SE(3) 上的指數映射 .......... 80
4.3 李代數求導與擾動模型.......... 81
4.3.1 BCH 公式與近似形式 .......... 81
4.3.2 SO(3) 上的李代數求導......... 83
4.3.3 李代數求導........... 84
4.3.4 擾動模型(左乘)........... 85
4.3.5 SE(3) 上的李代數求導......... 85
4.4 實踐:Sophus............ 86
4.4.1 Sophus 的基本使用方法 ......... 86
4.4.2 例子:評估軌跡的誤差.......... 89
4.5 * 相似變換群與李代數 ........... 92
4.6 小結............. 93
第 5 講 相機與圖像 . . . . . . . . . . . . . . . . . . . . . . 95
5.1 相機模型............ 97
5.1.1 針孔相機模型 ........... 97
5.1.2 畸變模型............ 100
5.1.3 雙目相機模型 ........... 103
5.1.4 RGB-D 相機模型........... 104
5.2 圖像............. 106
5.3 實踐:計算機中的圖像.......... 107
5.3.1 OpenCV 的基本使用方法 ......... 107
5.3.2 圖像去畸變........... 112
5.4 實踐:3D 視覺............ 113
5.4.1 雙目視覺............ 113
5.4.2 RGB-D 視覺 ........... 115
第 6 講 非線性優化 . . . . . . . . . . . . . . . . . . . . . . 119
6.1 狀態估計問題 ........... 121
6.1.1 批量狀態估計與最大后驗估計........ 121
6.1.2 最小二乘的引出.......... 123
6.1.3 例子:批量狀態估計 ......... 125
6.2 非線性最小二乘............ 126
6.2.1 一階和二階梯度法........... 127
6.2.2 高斯牛頓法........... 128
目錄 vii
6.2.3 列文伯格—馬夸爾特方法......... 130
6.3 實踐:曲線擬合問題 ........... 132
6.3.1 手寫高斯牛頓法.......... 132
6.3.2 使用 Ceres 進行曲線擬合 ......... 136
6.3.3 使用 g2o 進行曲線擬合.......... 141
6.4 小結............. 148
第 2 部分 實踐應用 150
第 7 講 視覺里程計 1. . . . . . . . . . . . . . . . . . . . . 151
7.1 特征點法............ 153
7.1.1 特征點 ........... 153
7.1.2 ORB 特征........... 155
7.1.3 特征匹配............ 158
7.2 實踐:特征提取和匹配.......... 159
7.2.1 OpenCV 的 ORB 特征 .......... 159
7.2.2 手寫 ORB 特征 ........... 162
7.2.3 計算相機運動 ........... 165
7.3 2D?2D:對極幾何........... 165
7.3.1 對極約束............ 165
7.3.2 本質矩陣............ 168
7.3.3 單應矩陣............ 170
7.4 實踐:對極約束求解相機運動.......... 172
7.5 三角測量............ 177
7.6 實踐:三角測量............ 178
7.6.1 三角測量代碼 ........... 178
7.6.2 討論............. 179
7.7 3D?2D:PnP............. 180
7.7.1 直接線性變換 ........... 180
7.7.2 P3P ............ 182
7.7.3 最小化重投影誤差求解 PnP........ 184
7.8 實踐:求解 PnP ............ 188
7.8.1 使用 EPnP 求解位姿 .......... 188
7.8.2 手寫位姿估計 ........... 189
7.8.3 使用 g2o 進行 BA 優化 .......... 191
7.9 3D?3D:ICP............. 196
7.9.1 SVD 方法 ........... 196
7.9.2 非線性優化方法.......... 198
7.10 實踐:求解 ICP........... 199
7.10.1 實踐:SVD 方法 ........... 199
7.10.2 實踐:非線性優化方法.......... 201
7.11 小結............. 203
第 8 講 視覺里程計 2. . . . . . . . . . . . . . . . . . . . . 205
8.1 直接法的引出 ........... 207
8.2 2D 光流............ 208
8.3 實踐:LK 光流 ........... 210
8.3.1 使用 LK 光流.......... 210
8.3.2 用高斯牛頓法實現光流.......... 211
8.3.3 光流實踐小結 ........... 218
8.4 直接法 ............. 218
8.4.1 直接法的推導 ........... 218
8.4.2 直接法的討論 ........... 221
8.5 實踐:直接法 ........... 221
8.5.1 單層直接法........... 221
8.5.2 多層直接法........... 226
8.5.3 結果討論............ 227
8.5.4 直接法優缺點總結........... 230
第 9 講 后端 1. . . . . . . . . . . . . . . . . . . . . . . 232
9.1 概述............. 234
9.1.1 狀態估計的概率解釋 ......... 234
9.1.2 線性系統和 KF.......... 236
9.1.3 非線性系統和 EKF .......... 239
9.1.4 EKF 的討論 ............ 241
9.2 BA 與圖優化............. 242
9.2.1 投影模型和 BA 代價函數......... 242
9.2.2 BA 的求解............ 243
9.2.3 稀疏性和邊緣化.......... 245
9.2.4 魯棒核函數........... 251
9.3 實踐:Ceres BA ............ 253
9.3.1 BAL 數據集............ 253
9.3.2 Ceres BA 的書寫 ........... 253
9.4 實踐:g2o 求解 BA ........... 257
9.5 小結............. 263
第 10 講 后端 2. . . . . . . . . . . . . . . . . . . . . . . 265
10.1 滑動窗口濾波和優化 ........... 266
10.1.1 實際環境下的 BA 結構 .......... 266
10.1.2 滑動窗口法........... 267
10.2 位姿圖 ............. 270
10.2.1 位姿圖的意義 ........... 270
10.2.2 位姿圖的優化 ........... 270
10.3 實踐:位姿圖優化........... 272
10.3.1 g2o 原生位姿圖........... 272
10.3.2 李代數上的位姿圖優化.......... 277
10.3.3 小結............. 282
第 11 講 回環檢測 . . . . . . . . . . . . . . . . . . . . . . 283
11.1 概述............. 285
11.1.1 回環檢測的意義.......... 285
11.1.2 回環檢測的方法.......... 286
11.1.3 準確率和召回率.......... 287
11.2 詞袋模型............ 289
11.3 字典............. 291
11.3.1 字典的結構........... 291
11.3.2 實踐:創建字典.......... 292
11.4 相似度計算............. 295
11.4.1 理論部分............ 295
11.4.2 實踐:相似度的計算 ......... 296
11.5 實驗分析與評述............ 300
11.5.1 增加字典規模 ........... 300
11.5.2 相似性評分的處理........... 302
11.5.3 關鍵幀的處理 ........... 302
11.5.4 檢測之后的驗證.......... 303
11.5.5 與機器學習的關系........... 303
第 12 講 建圖 . . . . . . . . . . . . . . . . . . . . . . . . 305
12.1 概述............. 306
12.2 單目稠密重建 ........... 308
12.2.1 立體視覺............ 308
12.2.2 極線搜索與塊匹配........... 309
12.2.3 高斯分布的深度濾波器.......... 311
12.3 實踐:單目稠密重建 ........... 314
12.3.1 實驗分析與討論.......... 323
12.3.2 像素梯度的問題.......... 324
12.3.3 逆深度 ........... 325
12.3.4 圖像間的變換 ........... 326
12.3.5 并行化:效率的問題 ......... 327
12.3.6 其他的改進........... 327
12.4 RGB-D 稠密建圖........... 328
12.4.1 實踐:點云地圖.......... 328
12.4.2 從點云重建網格.......... 333
12.4.3 八叉樹地圖........... 336
12.4.4 實踐:八叉樹地圖........... 338
12.5 * TSDF 地圖和 Fusion 系列......... 340
12.6 小結............. 343
第 13 講 實踐:設計 SLAM 系統 . . . . . . . . . . . . . . . . . 345
13.1 為什么要單獨列工程章節........... 346
13.2 工程框架............ 347
13.3 實現............. 349
13.3.1 實現基本數據結構........... 349
13.3.2 前端............. 354
13.3.3 后端............. 357
13.4 實驗效果............ 361
第 14 講 SLAM:現在與未來 . . . . . . . . . . . . . . . . . . 363
14.1 當前的開源方案............ 364
14.1.1 MonoSLAM ............ 364
14.1.2 PTAM ............ 365
14.1.3 ORB-SLAM ............ 366
14.1.4 LSD-SLAM........... 369
14.1.5 SVO............. 370
14.1.6 RTAB-MAP........... 371
14.1.7 其他............. 372
14.2 未來的 SLAM 話題............ 372
14.2.1 視覺 + 慣性導航 SLAM.......... 373
14.2.2 語義 SLAM........... 374
14.2.3 SLAM 的未來 ........... 375
附錄 A 高斯分布的性質 . . . . . . . . . . . . . . . . . . . . 377
附錄 B 矩陣求導 . . . . . . . . . . . . . . . . . . . . . . 380
附錄 C ROS 入門 . . . . . . . . . . . . . . . . . . . . . 382
參考文獻 . . . . . . . . . . . . . . . . . . . . . . . . 385
序: