SLAM視覺十四講: 雙倍內容強化版 | 誠品線上

SLAM視覺十四講: 雙倍內容強化版

內容簡介

內容簡介 本書特色 SLAM視覺屬於電腦視覺和機器人研究的交叉領域，本書系統介紹SLAM視覺（同時定位與地圖構置）所需的基本知識與核心演算法，既包括數學理論基礎，如三維空間的剛體運動、非線性優化；又涵蓋電腦視覺的演算法實現，例如多視圖幾何、回環檢測等。書中提供大量的實例程式碼供讀者學習，從而更深入地掌握內容。 ► 更多的實例 增加一些實驗程式來介紹演算法的原理。本書中的許多程式，除了呼叫函數庫函數，還提供底層的實現。 ► 更深入的內容 主要是從第7講至第12講的部分，重新定義那些容易引起誤解的內容。 ► 更完整的專案項目 在介紹所有必要知識之後，向讀者展現一個完整的SLAM 系統是如何工作的。以精簡的程式實現完整的功能，讀者會獲得一個由幾百行程式實現、有完整前後端的SLAM 系統。 ► 更通俗、簡潔的表達 這是一本好書的標準，作者重新製作部分插圖，清晰簡明的讓讀者更清楚易懂。 內容簡介 這是一本介紹視覺SLAM 的書。 SLAM 是Simultaneous Localization and Mapping 的縮寫，中文譯作「同時定位與地圖型建置」。它是指搭載特定感測器的主體，在沒有環境先驗資訊的情況下，於運動過程中建立環境的模型，同時估計自己的運動。 本書的主題就是SLAM視覺， SLAM 的目的是解決「定位」與「地圖型建置」這兩個問題。也就是說，一邊要估計感測器本身的位置，一邊要建立周圍環境的模型。近年來隨著科技的發展，湧現出了一大批與SLAM 相關的應用點。 本書全面系統地介紹了以視覺感測器為主體的視覺SLAM 技術，詳細地介紹SLAM 的理論背景、系統架構，以及各個模組的主流做法。同時，極其重視實作：本書介紹的所有重要演算法，都將列出可以執行的實際程式，以求加深讀者的了解。並把完整的SLAM 系統分成幾個模組：視覺里程計、後端最佳化、建圖，以及回路檢測。我們將陪著讀者一點點實現這些模組中的核心部分，探討它們在什麼情況下有效，什麼情況下會出問題，並指導大家在自己的機器上執行這些程式。你會接觸到一些必要的數學理論和許多程式設計知識，會用到Eigen、OpenCV、PCL、g2o、Ceres 等函數庫，掌握它們在Linux 作業系統中的使用方法。 全書分為三大部分： 败「數學基礎篇」 第1 講 是預備知識，介紹本書的基本資訊，習題部分主要包含一些自測題。 第2 講 為SLAM 系統概述，介紹一個SLAM 系統由哪些模組成，各模組的實際工作是什麼。實作部分介紹程式設計環境的架設過程及IDE 的使用。 第3 講 介紹3D 空間剛體運動，你將接觸到旋轉矩陣、尤拉角、四元數的相關知識，並且在Eigen 中使用它們。 第4 講介紹李群與李代數。即使你現在不懂李代數為何物，也沒有關係。你將學到李代數的定義和使用方式，然後透過Sophus 操作它們。 第5 講 介紹針孔相機模型及影像在電腦中的表達。你將用OpenCV 調取相機的內外參數。 第6 講 介紹非線性最佳化，包含狀態估計理論基礎、最小平方問題、梯度下降方法。你會完成一個使用Ceres 和g2o 進行曲線擬合的實驗。 败「實作應用篇」 第7 講 為特徵點法的視覺里程計。該講內容比較多，包含特徵分析與比對、對極幾何約束的計算、PnP 和ICP 等。在實作中，你將用這些方法估計兩個影像之間的運動。 第8 講 為直接法的視覺里程計。你將學習光流和直接法的原理，然後實現一個簡單的直接法運動估計。 第9 講 為後端最佳化，主要為對Bundle Adjustment（BA）的深入討論，包含基本的BA，以及如何利用稀疏性加速求解過程。你將用Ceres 和g2o 分別撰寫一個BA 程式。 第10 講 主要介紹後端最佳化中的位姿圖。位姿圖是表達關鍵頁框之間約束的一種更緊湊的形式。我們會介紹SE(3)和Sim(3)的位姿圖，同時你將使用g2o 對一個位姿球進行最佳化。 第11 講 為回路檢測，主要介紹以詞袋方法為主的回路檢測。你將使用DBoW3 撰寫字典訓練程式和回路檢測程式。 第12 講 為地圖型建置。我們會討論如何使用一元進行稠密深度圖的估計（以及這是多麼不可靠），然後討論RGB-D 的稠密地圖型建置過程。你會撰寫極線搜索與塊符合的程式，然後在RGB-D 中遇到點雲地圖和八叉樹地圖的建置問題。 第13 講 是專案實作，你將架設一個二元視覺里程計架構，綜合運用先前學過的知識，實現它的基本功能。在這個過程中，你會碰到一些問題，例如最佳化的必要性、關鍵頁框的選擇等。我們會在Kitti 資料集上測試它的效能，討論一些改進的方法。 第14 講 主要介紹目前的開放原始碼SLAM 方案及未來的發展方向。相信在閱讀了前面的知識之後，你會更容易了解它們的原理，實現自己的新想法。 適合讀者群 機器人技術工程師、對 SLAM 有興趣者，或 SLAM 相關課程科系師生作為教材或自學參考。

作者介紹

作者介紹 高翔 張濤 劉毅 顏沁睿高翔 清華大學自動化系博士，慕尼克工業大學博士後。專注於電腦視覺、定位與建圖、機器學習等，著、譯作有《視覺SLAM十四講：從理論到實踐》、《機器人學中的狀態估計》，在RAS、Auto Robotics、IROS等期刊會議上發表論文。現從事自動駕駛車輛研發工作。 張濤 清華大學自動化系教授。1999年獲清華大學自動化系檢測技術與自動化裝置專業博士學位，2002年獲日本國立佐賀大學工學系研究科系統控制專業博士學位。研究課題包括機器人、航空航太、電腦視覺等。 劉毅 華中科技大學圖像與人工智慧研究所博士。專注於影像處理、三維重建、視覺SLAM，以及感測器融合研究和應用，曾在深圳市大疆創新公司，英特爾中國研究院等單位實習。 顏沁睿 比利時荷語魯汶大學人工智慧碩士，電子工程學士（GroupT）。長期致力於研究人工智慧技術在機器人領域的應用，包括電腦視覺、機器學習和SLAM。現擔任地平線機器人公司智慧駕駛部演算法工程師。

產品目錄

產品目錄 前言 01 | 預備知識 1.1 本書講什麼 1.2 如何使用本書 1.3 風格約定 1.4 致謝和宣告 1.5 習題（基礎自測題） 第一部分 數學基礎 02 | 初識SLAM 2.1 引子：小蘿蔔的實例 2.2 經典視覺SLAM 架構 2.3 SLAM 問題的數學表述 2.4 實作：程式設計基礎 2.5 習題 03 | 3D 空間剛體運動 3.1 旋轉矩陣 3.2 實作：Eigen 3.3 旋轉向量和尤拉角 3.4 四元數 3.5 相似、仿射、射影轉換 3.6 實作：Eigen 幾何模組 3.7 視覺化示範 3.8 習題 04 | 李群與李代數 4.1 李群與李代數基礎 4.2 指數與對數對映 4.3 李代數求導與擾動模型 4.4 實作：Sophus 4.5 相似轉換群與李代數 4.6 小結 4.7 習題 05 | 相機與影像 5.1 相機模型 5.2 影像 5.3 實作：電腦中的影像 5.4 實作：3D 視覺 5.5 習題 06 | 非線性最佳化 6.1 狀態估計問題 6.2 非線性最小平方 6.3 實作：曲線擬合問題 6.4 小結 6.5 習題 第二部分 實踐應用 07 | 視覺里程計1 7.1 特徵點法 7.2 實作：特徵分析和比對 7.3 2D−2D：對極幾何 7.4 實作：對極約束求解相機運動 7.5 三角測量 7.6 實作：三角測量 7.7 3D−2D：PnP 7.8 實作：求解PnP 7.9 3D−3D：ICP 7.10 實作：求解ICP 7.11 小結 7.12 習題 08 | 視覺里程計2 8.1 直接法的引出 8.2 2D光流 8.3 實作：LK 光流 8.4 直接法 8.5 實作：直接法 8.6 習題 09 | 後端1 9.1 概述 9.2 BA與圖最佳化 9.3 實作：Ceres BA 9.4 實作：g2o 求解BA 9.5 小結 9.6 習題 10 | 後端2 10.1 滑動視窗濾波和最佳化 10.2 位姿圖 10.3 實作：位姿圖最佳化 10.4 習題 11 | 回路檢測 11.1 概述 11.2 詞袋模型 11.3 字典 11.4 相似度計算 11.5 實驗分析與評述 11.6 習題 12 | 建圖 12.1 概述 12.2 一元稠密重建 12.3 實作：一元稠密重建 12.4 RGB-D 稠密建圖 12.5 TSDF 地圖和Fusion 系列 12.6 小結 12.7 習題 13 | 實作：設計SLAM 系統 13.1 為什麼要單獨列專案章節 13.2 專案架構 13.3 實現 13.4 實驗效果 13.5 習題 14 | SLAM：現在與未來 14.1 目前的開放原始碼方案 14.2 未來的SLAM 話題 14.3 習題 A | 高斯分佈的性質 A.1 高斯分佈 A.2 高斯分佈的運算 A.3 複合的實例 B | 矩陣求導 B.1 純量函數對向量求導 B.2 向量函數對向量求導 C | ROS 入門 C.1 ROS 是什麼 C.2 ROS 的特點 C.3 如何快速上手ROS

商品規格

最佳賣點

最佳賣點 : SLAM視覺屬於電腦視覺和機器人研究的交叉領域，本書系統介紹SLAM視覺（同時定位與地圖構置）所需的基本知識與核心演算法，既包括數學理論基礎，如三維空間的剛體運動、非線性優化；又涵蓋電腦視...

試閱文字

自序 : 作者序
《視覺SLAM 十四講：從理論到實作》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，這本書針對初學者，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；專案實作章節內容不夠豐富，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、圖片和程式都是從零開始準備的，再加上當時在讀博士，也是第一次寫這麼厚的書，錯漏在所難免。2018 年，我在慕尼黑工大給學生講SLAM 課程，期間又累積了一些材料，所以本書從內容上更豐富、更合理。在第1 版的基礎上做了以下改動：
1. 更多的實例。增加了一些實驗程式來介紹演算法的原理。在第1 版中，多數實作程式呼叫了各種函數庫中的內建函數，現在我認為更深入地介紹底層計算會更好，所以本書中的許多程式，除了呼叫函數庫函數，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（例如GTSAM 相關內容1）。對第1 版大部分數學公式進行了審查，重新定義了那些容易引起誤解的內容。
1 因數圖最佳化現在已有完整的書籍《機器人感知：因數圖在SLAM 中的應用》，用一小節很難介紹清楚。
3. 更完整的專案項目。將第1 版的第9 講移至第13 講。於是，我們可以在介紹了所有必要知識之後，向大家展現一個完整的SLAM 系統是如何工作的。
相比於第1 版，我在本書的專案中將追求以精簡的程式實現完整的功能，你會獲得一個由幾百行程式實現的、有完整前後端的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。我重新製作了部分插圖，使它們即使在黑白印刷條件下也能看起來很清楚。
當然，每講前的簡筆劃我是不會改的！
總之，我儘量做到深入淺出，也希望本書能夠給你帶來更加舒適的閱讀體驗。