自动驾驶与机器人中的SLAM技术:从理论到实践

1星价 ¥109.2 (6.1折)

2星价￥109.2 定价￥179.0

作者：高翔

出版社：电子工业出版社

本类榜单：计算机/网络

分类：计算机/网络 > 计算机理论

暂无评论

图文详情

ISBN：9787121458781
装帧：平装-胶订
册数：暂无
重量：暂无
开本：其他
页数：388
出版时间：2023-07-01
条形码：9787121458781 ; 978-7-121-45878-1

本书特色

√主要用C 17作为C 标准
√追求理论与实践统一
√注重原理层面的代码实现
√提到的算法都有对应代码实现
√让算法运行得比经典实现更流畅
√从零开始搭建一套完整的激光SLAM方案
√本书配套代码全部开源

本书内容架构
第1部分基础数学知识
√介绍基础的几何学、运动学知识
√回顾状态估计理论的基础知识
√介绍主流的处理惯性测量单元的方法：经典的误差状态卡尔曼滤波器；预积分方法

第2部分激光雷达的定位与建图
介绍激光SLAM的内容
√基础的点云处理方法
√实现经典的数据结构√主要用C 17作为C 标准 √追求理论与实践统一 √注重原理层面的代码实现 √提到的算法都有对应代码实现 √让算法运行得比经典实现更流畅 √从零开始搭建一套完整的激光SLAM方案 √本书配套代码全部开源本书内容架构第1部分基础数学知识 √介绍基础的几何学、运动学知识 √回顾状态估计理论的基础知识 √介绍主流的处理惯性测量单元的方法：经典的误差状态卡尔曼滤波器；预积分方法第2部分激光雷达的定位与建图介绍激光SLAM的内容 √基础的点云处理方法 √实现经典的数据结构 √2D SLAM √3D SLAM √介绍松耦合的激光雷达–惯性导航里程计第3部分应用实例介绍经典的SLAM应用 √实现一个紧耦合的激光雷达–惯性导航里程计 √介绍离线的点云地图构建方法 √介绍在已有点云地图中进行高精定位的方法 √介绍自动驾驶车辆的实时定位系统

内容简介

本书是《视觉SLAM十四讲：从理论到实践》一书的姊妹篇。内容比《视觉SLAM十四讲：从理论到实践》略难。系统介绍自动驾驶与机器人中的 SLAM 技术，从零开始搭建一套完整的激光雷达与惯性导航定位建图方案。理论方面使用现代化流形方法进行推导，代码方面则使用简洁明快的现代 C++ 语言实现。本书从*基本的理论与程序代码开始，一步步增加各种模块，省略复杂的工程细节，*后形成一个完整的系统。本书在逻辑上是完整自洽的，在内容上则是通俗易懂的。本书可作为人工智能、人工智能自动驾驶和机器人定位领域的教材，适用于对该方向感兴趣的学生、教师和科研人员。

**部分基础数学知识 1 第1章自动驾驶 3 1.1 自动驾驶技术 3 1.1.1 自动驾驶能力与分级 3 1.1.2 L4 的典型业务 6 1.2 自动驾驶中的定位与地图 10 1.2.1 为什么L4自动驾驶需要定位与地图 10 1.2.2 高精地图的内容与生产 12 1.3 本书内容的介绍顺序 14 第2章基础数学知识回顾 17 2.1 几何学 19 2.1.1 坐标系 19 2.1.2 李群与李代数 26 2.1.3 SO(3)上的BCH线性近似式 27 2.2 运动学 27 2.2.1 李群视角下的运动学 28 2.2.2 四元数视角下的运动学 29 2.2.3 四元数的李代数与旋转矢量间的转换 30 2.2.4 其他几种运动学表达方式 32 2.2.5 线速度与加速度 34 2.2.6 扰动模型与雅可比矩阵 35 2.3 运动学演示案例：圆周运动 37 2.4 滤波器与*优化理论 40 2.4.1 状态估计问题与*小二乘法 40 2.4.2 卡尔曼滤波器 40 2.4.3 非线性系统的处理方法 41 2.4.4 *优化方法与图优化 42 2.5 本章小结 44 习题 44 第3章惯性导航与组合导航 47 3.1 IMU系统的运动学 49 3.1.1 关于IMU测量值的解释 51 3.1.2 IMU测量方程中的噪声模型 51 3.1.3 IMU的离散时间噪声模型 53 3.1.4 现实中的IMU 54 3.2 使用IMU进行航迹推算 56 3.2.1 利用IMU数据进行短时间航迹推算 56 3.2.2 IMU递推的代码实验 57 3.3 卫星导航 61 3.3.1 GNSS的分类与供应商 61 3.3.2 实际的RTK安装与接收数据 63 3.3.3 常见的世界坐标系 64 3.3.4 RTK读数的显示 66 3.4 使用误差状态卡尔曼滤波器实现组合导航 72 3.4.1 ESKF的数学推导 72 3.4.2 离散时间的ESKF运动方程 77 3.4.3 ESKF的运动过程 78 3.4.4 ESKF的更新过程 79 3.4.5 ESKF的误差状态后续处理 80 3.5 实现ESKF的组合导航 82 3.5.1 ESKF的实现 82 3.5.2 实现预测过程 83 3.5.3 实现RTK观测过程 84 3.5.4 ESKF系统的初始化 87 3.5.5 运行ESKF 90 3.5.6 速度观测量 95 3.6 本章小结 98 习题 98 第4章预积分学 99 4.1 IMU 状态的预积分学 101 4.1.1 预积分的定义 101 4.1.2 预积分测量模型 103 4.1.3 预积分噪声模型 106 4.1.4 零偏的更新 109 4.1.5 预积分模型归结至图优化 112 4.1.6 预积分的雅可比矩阵 113 4.1.7 小结 115 4.2 实践：预积分的程序实现 116 4.2.1 实现预积分类 116 4.2.2 预积分的图优化顶点 120 4.2.3 预积分方案的图优化边 121 4.2.4 实现基于预积分和图优化的GINS 126 4.3 本章小结 133 习题 133 第二部分激光雷达的定位与建图 135 第5章基础点云处理 137 5.1 激光雷达传感器与点云的数学模型 139 5.1.1 激光雷达传感器的数学模型 139 5.1.2 点云的表达 141 5.1.3 Packet的表达 143 5.1.4 俯视图和距离图 144 5.1.5 其他表达形式 148 5.2 *近邻问题 148 5.2.1 暴力*近邻法 149 5.2.2 栅格与体素方法 152 5.2.3 二分树与K-d树 160 5.2.4 四叉树与八叉树 172 5.2.5 其他树类方法 179 5.2.6 小结180 5.3 拟合问题 181 5.3.1 平面拟合 181 5.3.2 平面拟合的实现 184 5.3.3 直线拟合185 5.3.4 直线拟合的实现 187 5.4 本章小结 189 习题 190 第6章 2D SLAM 191 6.1 2D SLAM的基本原理 193 6.2 扫描匹配算法 195 6.2.1 点到点的扫描匹配 195 6.2.2 点到点ICP的实现（高斯-牛顿法）199 6.2.3 点到线的扫描匹配算法 203 6.2.4 点到线ICP的实现（高斯-牛顿法）204 6.2.5 似然场法 207 6.2.6 似然场法的实现（高斯-牛顿法）209 6.2.7 似然场法的实现（g2o）212 6.3 占据栅格地图 215 6.3.1 占据栅格地图的原理215 6.3.2 基于Bresenham算法的地图生成 216 6.3.3 基于模板的地图生成 218 6.4 子地图 223 6.4.1 子地图的原理 223 6.4.2 子地图的实现 224 6.5 回环检测与闭环 228 6.5.1 多分辨率的回环检测 229 6.5.2 基于子地图的回环修正 233 6.5.3 讨论 238 6.6 本章小结 241 习题 241 第7章 3D SLAM 243 7.1 多线激光雷达的工作原理 245 7.1.1 机械旋转式激光雷达 245 7.1.2 固态激光雷达 246 7.2 多线激光雷达的扫描匹配 248 7.2.1 点到点ICP 248 7.2.2 点到线、点到面ICP 254 7.2.3 NDT方法 258 7.2.4 本节各种配准方法与PCL内置方法的对比 265 7.3 直接法激光雷达里程计 267 7.3.1 使用NDT构建激光雷达里程计 267 7.3.2 增量NDT里程计 273 7.4 特征法激光雷达里程计 280 7.4.1 特征的提取 280 7.4.2 基于激光雷达线束的特征提取 280 7.4.3 特征提取部分的实现 281 7.4.4 特征法激光雷达里程计的实现 286 7.5 松耦合LIO系统 293 7.5.1 坐标系说明 293 7.5.2 松耦合LIO系统的运动与观测方程 294 7.5.3 松耦合LIO系统的数据准备 294 7.5.4 松耦合LIO系统的主要流程 297 7.5.5 松耦合LIO系统的配准部分 301 7.6 本章小结 304 习题 304 第三部分应用实例 305 第8章紧耦合LIO系统 307 8.1 紧耦合的原理和优点 309 8.2 基于IEKF的LIO系统 309 8.2.1 IEKF状态变量与运动方程 309 8.2.2 观测方程中的迭代过程 311 8.2.3 高维观测的等效处理 313 8.3 实现基于IEKF的LIO系统 315 8.4 基于预积分的LIO系统 319 8.4.1 预积分LIO系统的原理 319 8.4.2 代码实现 321 8.5 本章小结 327 习题 327 第9章自动驾驶车辆的离线地图构建 329 9.1 点云建图的流程 331 9.2 前端实现 332 9.3 后端位姿图优化与异常值检验 337 9.4 回环检测 339 9.5 地图的导出 345 9.6 本章小结 347 习题 348 第10章自动驾驶车辆的实时定位系统 351 10.1 点云融合定位的设计方案 353 10.2 算法实现 354 10.2.1 RTK初始搜索 354 10.2.2 外围测试代码 358 10.3 本章小结 360 习题 361 参考文献 363

展开全部

相关资料

名家点评本书是高翔的又一力作，涵盖了自动驾驶与机器人中SLAM技术的关键理论和应用。本书深入浅出地介绍了激光SLAM的基础知识、前沿算法，并通过详细的代码示例将理论落到实处。本书既适合SLAM初学者进行学习实践，也能让富有经验的专家从中获益。无论是学术研究还是工程实践，本书都能为自动驾驶和机器人领域的同学和工程师提供全面、丰富的资料。 ——香港科技大学教授谭平一套完整的SLAM系统涉及许多问题，包括数学、算法、编程和硬件，其入门难度很大，而目前成体系的教材较少。本书凝聚了高翔在SLAM领域多年的经验，相信会成为SLAM经典教材。无论是新手还是有经验的专家都可以从这本书中获益。尤为难得的是，本书结合自动驾驶和机器人中许多实际问题给出了可以执行的C 源代码。力荐本书给一线科研和工程实践人员。
——哈佛大学助理教授周昊胤本书是高翔为SLAM学习者提供的又一精品之作，书中深入浅出地介绍了激光SLAM的基础理论知识和一些前沿算法，并且提供了大量实用的算法代码实现，非常适合SLAM初学者学习。
——东北大学机器人科学与工程学院教授方正本书以简洁、精练的语言向读者介绍了许多实用知识，包括卡尔曼滤波器、组合导航、激光雷达里程计、点云建图定位，等等。这些都是自动驾驶和机器人中广泛应用的算法与模块。本书可以帮助读者深入理解这些模块的底层原理，也可以培养读者写出高质量的代码。
——清华大学自动化系教授、系主任，信息科学技术学院副院长张涛本书全面、细致地讲解了自动驾驶和机器人中的SLAM技术，在基础数学知识、惯性导航与组合导航、预积分的基础上，深入浅出地讲解了激光雷达定位与建图，*后给出了应用实例。高翔在SLAM领域有深厚的功力，对技术的讲解通俗易懂，并辅以代码，能够帮助读者更深刻地理解其中的理论，更好地应用所学的知识和技术。本书能够为自动驾驶和机器人领域的从业者提供全面且丰富的资料。
——西北工业大学教授布树辉本书用极简的风格把激光SLAM中的关键思想和理论讲得一清二楚，并由浅入深、逐步递进地展开了惯性导航系统、“惯性导航系统卫星导航”，以及LO和LIO的神奇画卷。同时，给出了一套完整、详细、优雅的代码样例，将一切落到实处。其中的惯性导航算法采用了极简方案，适合新手理解和掌握，与严谨复杂的经典惯性导航算法互补。本书提供了一套详细的激光SLAM定位算法，并以一种平易近人的方式，像一位专家一样手把手地教你实现这套算法。书中还在关键的地方给出了深入的指导和解释。就像《视觉SLAM十四讲：从理论到实践》一样，本书是学习激光SLAM的不二选择。 ——武汉大学卫星导航定位技术研究中心教授牛小骥读者寄语本书以流畅自然的方式介绍了自动驾驶和机器人领域中与SLAM相关的核心问题和基础知识。本书理论推导深入浅出，工程代码优雅高效。读完本书，相信读者能够对ESKF、预积分、卡尔曼滤波器与因子图优化、松耦合/紧耦合LIO系统、激光SLAM与高精定位等内容有更深入的理解和体会，并能结合实际应用场景进行实践。 ——王谷博士本书解决了长期以来困扰我的问题：虽然在与机器人相关的期刊和会议中，新的SLAM论文不断涌现，但我无法通过阅读这些论文获得具体的实现细节（虽然不少论文有开源代码，但代码的可读性有限，我越看越迷惑）。本书用有限的文字和丰富规范的开源代码，向读者解释了很多SLAM方法的核心算法和详细实现。机器人学是一门实践科学，本书为读者提供了大量SLAM关键算法的知识和实现细节。例如，如何利用IMU产品手册设置IMU运动方程噪声参数，NDT有什么高效直接的实现方法，如何实现松耦合/紧耦合的激光雷达里程计，等等。 ——林郁葱高翔所著的《视觉SLAM十四讲：从理论到实践》带领我入门了视觉SLAM。本书循序渐进的内容设计使我的学习过程非常愉快，前面章节的理论和实践不断地成为后续章节的子模块。读到*后一章时，我发现自己不知不觉地搭建了非常复杂的 SLAM 系统。虽然本书着眼于自动驾驶和机器人领域，但以点见面，很多技术在其他领域的SLAM系统中同样重要。例如VR、AR中的SLAM，同样要用到卡尔曼滤波、预积分、子地图、回环检测等技术！ ——张博文高翔所著的《视觉SLAM十四讲：从理论到实践》和本书给我带来了莫大的帮助。学习SLAM后，我时常陷入复杂的知识体系中，找不到清晰的知识脉络。本书对激光雷达及其他传感器融合SLAM的知识框架进行梳理，让我对SLAM技术体系的学习更加明确清晰。 ——在读硕士崔同学本书延续了高翔的写作风格，在理论方面讲得通俗易懂，条理清晰，框架完整。书中提到、用到的理论，有开源代码与之对应，对初学者来说，可以实现从理论到实践的跨越。相信本书可以给许多SLAM初学者带来收获。 ——李勇良本书由底层算法讲到顶层SLAM框架，循序渐进，有理论、有实践，是不可多得的SLAM好书。尤其是其中关于多传感器融合定位的知识，使我受益匪浅。 ——刘贵涛阅读完本书，我感到酣畅淋漓。所有的推理过程都非常流畅，前后逻辑严密。它像一本精彩的小说，却没有丧失专业性。本书的内容既有我预料中的，也有出乎意料的部分。总之，它非常精彩！ ——孙天阔本书延续了《视觉SLAM十四讲：从理论到实践》中生动有趣的语言风格、简明易懂的公式推导过程、理论与实践相结合的特点，为读者揭开了SLAM技术在自动驾驶与机器人应用中的面纱，讲解了ESKF、预积分、点云处理、LIO系统、建图定位等核心知识点。 ——刘宸希本书是不可多得的宝藏书！书中详细推导了LIO系统的各个组成部分并给出了非常有趣的代码实现，为我学习道路中缺失的知识做了全面的补充。 ——在读硕士冯同学本书兼具学术深度和实际应用价值。对学者而言，书中深入探讨的SLAM理论基础和前沿进展是一笔宝贵的知识财富。对初学者而言，将受益于其清晰的图解和通俗易懂的文字，能够在较短时间内建立起对SLAM的基本理解。在工程实践方面，本书通过直观、完善的代码案例，为工程师提供了实用的指南和参考方案。总的来说，本书为读者提供了一把钥匙，开启了无限可能。 ——纵目科技算法工程师路古本书采用统一的数学符号，并保持代码与理论统一，内容循序渐进，干货满满！本书使用了极简的代码风格，涉及大量C 新特性。这些新特性正是我们在学校，甚至在工作中难以接触到的代码经验。一种高效的学习方法是：阅读本书的过程中，遇到不熟悉或不理解的地方就在cppreference文档中进行查找，而不是必须先完整地阅读新特性，再去查看本书提供的代码示例。此外，每学习完一章就合上书，尝试自己复现公式，即使没达到复现的水平，也可以对着源码手敲一遍，加深印象。只要动手实践，就会有收获！*后，本书的课后习题是对学习内容的拓展与提升，请读者认真思考，这样才能“榨干”本书的养分！ ——陈梓杰博士

作者简介

高翔，慕尼黑工业大学博士后，清华大学自动化系博士。长期从事SLAM的研究工作，研究兴趣为机器人中的视觉SLAM技术、机器学习与SLAM的结合。主要著、译作包括《视觉SLAM十四讲：从理论到实践》《机器人学中的状态估计》，在ICRA、IROS、IEEE RA-Letters、Transactions on Mechatronics、IEEE-ASME Robotics and Autonomous Systems、Autonomous Robots等国际知名期刊和会议上发表了多篇论文。

本类五星书