自動(dòng)駕駛與機(jī)器人中的SLAM技術(shù)：從理論到實(shí)踐

定　價(jià)：￥179.00

作　者：	高翔
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

當(dāng)當(dāng)網(wǎng) (￥179.00)

ISBN：	9787121458781	出版時(shí)間：	2023-07-01	包裝：	平裝-膠訂
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)系統(tǒng)介紹自動(dòng)駕駛與機(jī)器人中的 SLAM 技術(shù)，從零開(kāi)始搭建一套完整的激光雷達(dá)與慣性導(dǎo)航定位建圖方案。理論方面使用現(xiàn)代化流形方法進(jìn)行推導(dǎo)，代碼方面則使用簡(jiǎn)潔明快的現(xiàn)代 C 語(yǔ)言實(shí)現(xiàn)。本書(shū) 從最基本的理論與程序代碼開(kāi)始，一步步增加各種模塊，省略復(fù)雜的工程細(xì)節(jié)，最后形成一個(gè)完整的系統(tǒng)。本書(shū)在邏輯上是完整自洽的，在內(nèi)容上則是通俗易懂的。本書(shū)從經(jīng)典的卡爾曼濾波器講到現(xiàn)代的預(yù)積分和圖優(yōu)化理論。讀者可以通過(guò)實(shí)際操作，將這些算法重新實(shí)現(xiàn)一遍，并比較它們之間的異同。本書(shū)內(nèi)容包括慣性導(dǎo)航、組合導(dǎo)航、誤差拓展卡爾曼濾波器、預(yù)積分和圖優(yōu)化、二維和三維激光點(diǎn)云的表達(dá)、最近鄰數(shù)據(jù)結(jié)構(gòu)、點(diǎn)云配準(zhǔn)算法，等等。最后，本書(shū)將各種算法模塊組合起來(lái)，形成完整的慣性里程計(jì)、離線地圖構(gòu)建和實(shí)時(shí)定位系統(tǒng)。本書(shū)可作為自動(dòng)駕駛和機(jī)器人定位領(lǐng)域的教材，適用于對(duì)該方向感興趣的學(xué)生、教師和科研人員。

作者簡(jiǎn)介

　　高翔，慕尼黑工業(yè)大學(xué)博士后，清華大學(xué)自動(dòng)化系博士。長(zhǎng)期從事SLAM的研究工作，研究興趣為機(jī)器人中的視覺(jué)SLAM技術(shù)、機(jī)器學(xué)習(xí)與SLAM的結(jié)合。主要著、譯作包括《視覺(jué)SLAM十四講：從理論到實(shí)踐》《機(jī)器人學(xué)中的狀態(tài)估計(jì)》，在ICRA、IROS、IEEE RA-Letters、Transactions on Mechatronics、IEEE-ASME Robotics and Autonomous Systems、Autonomous Robots等國(guó)際知名期刊和會(huì)議上發(fā)表了多篇論文。

圖書(shū)目錄

第一部分基礎(chǔ)數(shù)學(xué)知識(shí) 1
第1章自動(dòng)駕駛 3
1.1 自動(dòng)駕駛技術(shù) 3
1.1.1 自動(dòng)駕駛能力與分級(jí) 3
1.1.2 L4 的典型業(yè)務(wù) 6
1.2 自動(dòng)駕駛中的定位與地圖 10
1.2.1 為什么L4自動(dòng)駕駛需要定位與地圖 10
1.2.2 高精地圖的內(nèi)容與生產(chǎn) 12
1.3 本書(shū)內(nèi)容的介紹順序 14

第2章基礎(chǔ)數(shù)學(xué)知識(shí)回顧 17
2.1 幾何學(xué) 19
2.1.1 坐標(biāo)系 19
2.1.2 李群與李代數(shù) 26
2.1.3 SO(3)上的BCH線性近似式 27
2.2 運(yùn)動(dòng)學(xué) 27
2.2.1 李群視角下的運(yùn)動(dòng)學(xué) 28
2.2.2 四元數(shù)視角下的運(yùn)動(dòng)學(xué) 29
2.2.3 四元數(shù)的李代數(shù)與旋轉(zhuǎn)矢量間的轉(zhuǎn)換 30
2.2.4 其他幾種運(yùn)動(dòng)學(xué)表達(dá)方式 32
2.2.5 線速度與加速度 34
2.2.6 擾動(dòng)模型與雅可比矩陣 35
2.3 運(yùn)動(dòng)學(xué)演示案例：圓周運(yùn)動(dòng) 37
2.4 濾波器與最優(yōu)化理論 40
2.4.1 狀態(tài)估計(jì)問(wèn)題與最小二乘法 40
2.4.2 卡爾曼濾波器 40
2.4.3 非線性系統(tǒng)的處理方法 41
2.4.4 最優(yōu)化方法與圖優(yōu)化 42
2.5 本章小結(jié) 44
習(xí)題 44

第3章慣性導(dǎo)航與組合導(dǎo)航 47
3.1 IMU系統(tǒng)的運(yùn)動(dòng)學(xué) 49
3.1.1 關(guān)于IMU測(cè)量值的解釋 51
3.1.2 IMU測(cè)量方程中的噪聲模型 51
3.1.3 IMU的離散時(shí)間噪聲模型 53
3.1.4 現(xiàn)實(shí)中的IMU 54
3.2 使用IMU進(jìn)行航跡推算 56
3.2.1 利用IMU數(shù)據(jù)進(jìn)行短時(shí)間航跡推算 56
3.2.2 IMU遞推的代碼實(shí)驗(yàn) 57
3.3 衛(wèi)星導(dǎo)航 61
3.3.1 GNSS的分類與供應(yīng)商 61
3.3.2 實(shí)際的RTK安裝與接收數(shù)據(jù) 63
3.3.3 常見(jiàn)的世界坐標(biāo)系 64
3.3.4 RTK讀數(shù)的顯示 66
3.4 使用誤差狀態(tài)卡爾曼濾波器實(shí)現(xiàn)組合導(dǎo)航 72
3.4.1 ESKF的數(shù)學(xué)推導(dǎo) 72
3.4.2 離散時(shí)間的ESKF運(yùn)動(dòng)方程 77
3.4.3 ESKF的運(yùn)動(dòng)過(guò)程 78
3.4.4 ESKF的更新過(guò)程 79
3.4.5 ESKF的誤差狀態(tài)后續(xù)處理 80
3.5 實(shí)現(xiàn)ESKF的組合導(dǎo)航 82
3.5.1 ESKF的實(shí)現(xiàn) 82
3.5.2 實(shí)現(xiàn)預(yù)測(cè)過(guò)程 83
3.5.3 實(shí)現(xiàn)RTK觀測(cè)過(guò)程 84
3.5.4 ESKF系統(tǒng)的初始化 87
3.5.5 運(yùn)行ESKF 90
3.5.6 速度觀測(cè)量 95
3.6 本章小結(jié) 98
習(xí)題 98

第4章預(yù)積分學(xué) 99
4.1 IMU 狀態(tài)的預(yù)積分學(xué) 101
4.1.1 預(yù)積分的定義 101
4.1.2 預(yù)積分測(cè)量模型 103
4.1.3 預(yù)積分噪聲模型 106
4.1.4 零偏的更新 109
4.1.5 預(yù)積分模型歸結(jié)至圖優(yōu)化 112
4.1.6 預(yù)積分的雅可比矩陣 113
4.1.7 小結(jié) 115
4.2 實(shí)踐：預(yù)積分的程序?qū)崿F(xiàn) 116
4.2.1 實(shí)現(xiàn)預(yù)積分類 116
4.2.2 預(yù)積分的圖優(yōu)化頂點(diǎn) 120
4.2.3 預(yù)積分方案的圖優(yōu)化邊 121
4.2.4 實(shí)現(xiàn)基于預(yù)積分和圖優(yōu)化的GINS 126
4.3 本章小結(jié) 133
習(xí)題 133

第二部分激光雷達(dá)的定位與建圖 135
第5章基礎(chǔ)點(diǎn)云處理 137
5.1 激光雷達(dá)傳感器與點(diǎn)云的數(shù)學(xué)模型 139
5.1.1 激光雷達(dá)傳感器的數(shù)學(xué)模型 139
5.1.2 點(diǎn)云的表達(dá) 141
5.1.3 Packet的表達(dá) 143
5.1.4 俯視圖和距離圖 144
5.1.5 其他表達(dá)形式 148
5.2 最近鄰問(wèn)題 148
5.2.1 暴力最近鄰法 149
5.2.2 柵格與體素方法 152
5.2.3 二分樹(shù)與K-d樹(shù) 160
5.2.4 四叉樹(shù)與八叉樹(shù) 172
5.2.5 其他樹(shù)類方法 179
5.2.6 小結(jié)180
5.3 擬合問(wèn)題 181
5.3.1 平面擬合 181
5.3.2 平面擬合的實(shí)現(xiàn) 184
5.3.3 直線擬合185
5.3.4 直線擬合的實(shí)現(xiàn) 187
5.4 本章小結(jié) 189
習(xí)題 190

第6章 2D SLAM 191
6.1 2D SLAM的基本原理 193
6.2 掃描匹配算法 195
6.2.1 點(diǎn)到點(diǎn)的掃描匹配 195
6.2.2 點(diǎn)到點(diǎn)ICP的實(shí)現(xiàn)（高斯-牛頓法）199
6.2.3 點(diǎn)到線的掃描匹配算法 203
6.2.4 點(diǎn)到線ICP的實(shí)現(xiàn)（高斯-牛頓法）204
6.2.5 似然場(chǎng)法 207
6.2.6 似然場(chǎng)法的實(shí)現(xiàn)（高斯-牛頓法）209
6.2.7 似然場(chǎng)法的實(shí)現(xiàn)（g2o）212
6.3 占據(jù)柵格地圖 215
6.3.1 占據(jù)柵格地圖的原理215
6.3.2 基于Bresenham算法的地圖生成 216
6.3.3 基于模板的地圖生成 218
6.4 子地圖 223
6.4.1 子地圖的原理 223
6.4.2 子地圖的實(shí)現(xiàn) 224
6.5 回環(huán)檢測(cè)與閉環(huán) 228
6.5.1 多分辨率的回環(huán)檢測(cè) 229
6.5.2 基于子地圖的回環(huán)修正 233
6.5.3 討論 238
6.6 本章小結(jié) 241
習(xí)題 241

第7章 3D SLAM 243
7.1 多線激光雷達(dá)的工作原理 245
7.1.1 機(jī)械旋轉(zhuǎn)式激光雷達(dá) 245
7.1.2 固態(tài)激光雷達(dá) 246
7.2 多線激光雷達(dá)的掃描匹配 248
7.2.1 點(diǎn)到點(diǎn)ICP 248
7.2.2 點(diǎn)到線、點(diǎn)到面ICP 254
7.2.3 NDT方法 258
7.2.4 本節(jié)各種配準(zhǔn)方法與PCL內(nèi)置方法的對(duì)比 265
7.3 直接法激光雷達(dá)里程計(jì) 267
7.3.1 使用NDT構(gòu)建激光雷達(dá)里程計(jì) 267
7.3.2 增量NDT里程計(jì) 273
7.4 特征法激光雷達(dá)里程計(jì) 280
7.4.1 特征的提取 280
7.4.2 基于激光雷達(dá)線束的特征提取 280
7.4.3 特征提取部分的實(shí)現(xiàn) 281
7.4.4 特征法激光雷達(dá)里程計(jì)的實(shí)現(xiàn) 286
7.5 松耦合LIO系統(tǒng) 293
7.5.1 坐標(biāo)系說(shuō)明 293
7.5.2 松耦合LIO系統(tǒng)的運(yùn)動(dòng)與觀測(cè)方程 294
7.5.3 松耦合LIO系統(tǒng)的數(shù)據(jù)準(zhǔn)備 294
7.5.4 松耦合LIO系統(tǒng)的主要流程 297
7.5.5 松耦合LIO系統(tǒng)的配準(zhǔn)部分 301
7.6 本章小結(jié) 304
習(xí)題 304

第三部分應(yīng)用實(shí)例 305
第8章緊耦合LIO系統(tǒng) 307
8.1 緊耦合的原理和優(yōu)點(diǎn) 309
8.2 基于IEKF的LIO系統(tǒng) 309
8.2.1 IEKF狀態(tài)變量與運(yùn)動(dòng)方程 309
8.2.2 觀測(cè)方程中的迭代過(guò)程 311
8.2.3 高維觀測(cè)的等效處理 313
8.3 實(shí)現(xiàn)基于IEKF的LIO系統(tǒng) 315
8.4 基于預(yù)積分的LIO系統(tǒng) 319
8.4.1 預(yù)積分LIO系統(tǒng)的原理 319
8.4.2 代碼實(shí)現(xiàn) 321
8.5 本章小結(jié) 327
習(xí)題 327

第9章自動(dòng)駕駛車輛的離線地圖構(gòu)建 329
9.1 點(diǎn)云建圖的流程 331
9.2 前端實(shí)現(xiàn) 332
9.3 后端位姿圖優(yōu)化與異常值檢驗(yàn) 337
9.4 回環(huán)檢測(cè) 339
9.5 地圖的導(dǎo)出 345
9.6 本章小結(jié) 347
習(xí)題 348

第10章自動(dòng)駕駛車輛的實(shí)時(shí)定位系統(tǒng) 351
10.1 點(diǎn)云融合定位的設(shè)計(jì)方案 353
10.2 算法實(shí)現(xiàn) 354
10.2.1 RTK初始搜索 354
10.2.2 外圍測(cè)試代碼 358
10.3 本章小結(jié) 360
習(xí)題 361
參考文獻(xiàn) 363