視覺慣性 SLAM 實作 - 原始程式剖析真正讀懂理論
程小六 編著
- 出版商: 深智
- 出版日期: 2023-10-20
- 定價: $980
- 售價: 8.5 折 $833
- 語言: 繁體中文
- 頁數: 528
- ISBN: 626727389X
- ISBN-13: 9786267273890
- 此書翻譯自: 視覺慣性 SLAM：理論與源碼解析
立即出貨 (庫存 < 11)
買這商品的人也買了...
-
$551視覺 SLAM 十四講：從理論到實踐, 2/e -
$882計算機視覺中的多視圖幾何, 2/e (Multiple View Geometry in Computer Vision, 2/e) -
OpenCV 影像創意邁向 AI 視覺王者歸來 (全彩印刷)$890$757 -
新世紀 Fusion 360 電路與機構設計使用 ECAD 與 MCAD 協同作業 - 最新版 - 附 MOSME 行動學習一點通：診斷 ‧ 影音 ‧ 加值$550$495 -
PyTorch 深度學習：電腦視覺流行專案親自動手$780$616 -
高速建立大型桌面應用 - 全新 Electron 框架現在就動手做$880$748 -
Python 遊戲開發講座｜演算法篇$620$490 -
視覺慣性 SLAM：理論與源碼解析$948$901 -
$505深度學習：數學基礎、算法模型與實戰 -
從 ROS1 到 ROS2 無人機編程實戰指南$1,188$1,129 -
$709深入理解電腦視覺：關鍵算法解析與深度神經網絡設計 -
Python 精解實例 - PySide 6/PyQt 6 強大開發親身體驗$1,280$1,011 -
大神養成術 - Node.js＋Express + MongoDB＋Vue.js 全端實作現場$800$632 -
AI 時代 Math 元年 - 用 Python 全精通數學要素$980$774 -
CPU 眼裡的 C/C++$534$507 -
AWS 自學聖經：5大必學雲端主題・超圖解入門 (全彩印刷) (第二版)$750$593 -
AI + IoT 佈建邊緣運算 - 電腦視覺業界專案原理及實作$980$774 -
最強 AI 投資分析：打造自己的股市顧問機器人，股票趨勢分析×年報解讀×選股推薦×風險管理$750$593 -
TensorFlow 模型解析與範例大全$760$501 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695 -
新觀念 Visual C# 程式設計範例教本, 6/e$680$537 -
乾脆一次搞清楚：最完整詳細網路協定全書, 2/e$780$616 -
NLG 的王者 GPT 圖解 - LLM 的原來是這樣建構出來的$780$616 -
演算法導論, 4/e (Introduction to Algorithms, 4/e)$1,800$1,422 -
輕量又漂亮的 Python Web 框架 - Streamlit AI 時代非學不可$690$545
相關主題
商品描述
☛ 從未知環境中的定位、地圖建構到處理意外情況，
▶▶▶ SLAM技術一次完整到位學習！
SLAM 是指移動智慧體從一個未知環境裡的未知地點出發，在運動過程中透過自身感測器觀測周圍環境，並根據環境定位自身的位置，再根據自身的位置進行增量式的地圖建構，從而達到同時定位和地圖建構的目的。舉凡機器人、無人機、汽車，或其它可穿戴裝置等，都可以運用SLAM在其中。
本書分為三大部分，深入淺出地介紹SLAM技術。
❶ 第一部分涵蓋SLAM的基礎知識，包括定義、應用場景、程式設計及編譯工具、數學基礎知識、相機成像模型、對極幾何以及圖最佳化函式庫的使用。
❷ 第二部分專注於視覺SLAM框架ORB-SLAM2的原理和核心程式，從ORB特徵提取、特徵匹配、地圖點、主要畫面格、圖結構到地圖初始化、追蹤執行緒、局部地圖建構執行緒、閉環執行緒以及最佳化方法。通過對ORB-SLAM2的深入剖析，讀者可以更好地理解視覺SLAM的工作原理。
❸ 第三部分則介紹ORB-SLAM2的升級版——視覺慣性系統ORB-SLAM3的主要新增內容和程式，包括IMU預積分、多地圖系統、追蹤執行緒、局部地圖建構執行緒、閉環及地圖融合執行緒。最後一章還對視覺SLAM的現在與未來進行了總結和展望。
【本書特點】
✪ SLAM的定義、應用場景和應用領域
✪ C++ 11新特性和CMake工具
✪ SLAM中常用的數學基礎知識
✪ 相機成像模型和相機扭曲模型
✪ 對極幾何的基本概念
✪ g2o函式程式庫的使用方法
✪ ORB特徵提取與均勻化策略
✪ ORB-SLAM2中的特徵匹配方法
✪ 地圖點、主要畫面格、圖結構
✪ ORB-SLAM2中的地圖初始化方法
✪ ORB-SLAM2中的追蹤執行線
✪ ORB-SLAM2中的局部地圖建構執行線
✪ ORB-SLAM2中的閉環執行線
✪ ORB-SLAM2中的最優化方法
✪ ORB-SLAM3的新增內容和程式，如IMU預積分、多地圖系統等
✪ ORB-SLAM3中的IMU預積分原理及推導
✪ 多地圖系統的效果和作用
✪ 地圖融合的具體流程和程式實現
✪ ORB-SLAM3中IMU的初始化過程
✪ 視覺SLAM的發展歷程和未來趨勢
作者簡介
程小六
中國科學院博士。計算機視覺life平臺創始人，研究興趣為計算機視覺、機器人定位與建圖。
目錄大綱
第一部分 SLAM 基礎
第1 章 SLAM 導覽
1.1 什麼是 SLAM
1.2 SLAM 有什麼不可替代性
1.3 SLAM 的應用領域
第 2 章 程式設計及編譯工具
2.1 C++ 新特性
2.2 CMake 入門
第3章 SLAM 中常用的數學基礎知識
3.1 為什麼要用齊次座標
3.2 三維空間中剛體旋轉的幾種表達方式
第4 章 相機成像模型
4.1 針孔相機成像原理
4.2 針孔相機成像模型
4.3 相機扭曲模型
第5 章 對極幾何
5.1 對極幾何的基本概念
5.2 理解對極約束
第6 章 圖最佳化函式庫的使用
6.1 g2o 程式設計框架
6.2 建構 g2o 頂點
6.3 建構 g2o 邊
第二部分 ORB-SLAM2 理論與實作
第7 章 ORB 特徵提取
7.1 ORB 特徵點
7.2 ORB 特徵點均勻化策略
第8 章 ORB-SLAM2 中的特徵匹配
8.1 單目初始化中的特徵匹配
8.2 透過詞袋進行特徵匹配
8.3 透過地圖點投影進行特徵匹配
8.4 透過 Sim(3) 變換進行相互投影匹配
第9 章 地圖點、主要畫面格和圖結構
9.1 地圖點
9.2 主要畫面格
9.3 圖結構
第10 章 ORB-SLAM2 中的地圖初始化
10.1 為什麼需要初始化
10.2 單目模式地圖初始化
10.3 雙目模式地圖初始化
第11 章 ORB-SLAM2 中的追蹤執行緒
11.1 參考主要畫面格
11.2 恒速模型追蹤
11.3 重定位追蹤
11.4 局部地圖追蹤
第12 章 ORB-SLAM2 中的局部地圖建構執行緒
12.1 處理新的主要畫面格
12.2 剔除不合格的地圖點
12.3 生成新的地圖點
12.4 檢查並融合當前主要畫面格與相鄰畫面格
12.5 主要畫面格的剔除
第13 章 ORB-SLAM2 中的閉環執行緒
13.1 什麼是閉環檢測
13.2 尋找並驗證閉環候選主要畫面格
13.3 計算 Sim(3) 變換
13.4 閉環矯正
13.5 閉環全域 BA 最佳化
第14 章 ORB-SLAM2 中的最佳化方法
14.1 追蹤執行緒僅最佳化位姿
14.2 局部地圖建構執行緒中局部地圖最佳化
14.3 閉環執行緒中的 Sim(3) 位姿最佳化
14.4 閉環時本質圖最佳化
14.5 全域最佳化
第三部分 ORB-SLAM3 理論與實作
第15 章 ORB-SLAM3 中的IMU 預積分
15.1 視覺慣性緊耦合的意義
15.2 IMU 預積分原理及推導
15.3 IMU 預積分的程式實現
第16 章 ORB-SLAM3 中的多地圖系統
16.1 多地圖的基本概念
16.2 多地圖系統的效果和作用
16.3 建立新地圖的方法和時機
16.4 地圖融合概述
第17 章 ORB-SLAM3 中的追蹤執行緒
17.1 追蹤執行緒流程圖
17.2 追蹤執行緒的新變化
第18 章 ORB-SLAM3 中的局部地圖建構執行緒
18.1 局部地圖建構執行緒的作用
18.2 局部地圖建構執行緒的流程
18.3 IMU 的初始化
第19 章 ORB-SLAM3 中的閉環及地圖融合執行緒
19.1 檢測共同區域
19.2 地圖融合
第20 章 視覺 SLAM 的現在與未來
20.1 視覺 SLAM 的發展歷程
20.2 視覺慣性 SLAM 框架對比及資料集
20.3 未來發展趨勢
20.4 總結
