視覺慣性 SLAM：理論與源碼解析
程小六
- 出版商: 電子工業
- 出版日期: 2023-01-01
- 售價: $948
- 貴賓價: 9.5 折 $901
- 語言: 簡體中文
- 頁數: 462
- ISBN: 7121448122
- ISBN-13: 9787121448126
-
相關翻譯:
視覺慣性 SLAM 實作 - 原始程式剖析真正讀懂理論 (繁中版)
立即出貨
買這商品的人也買了...
-
移動機器人 SLAM 目標跟蹤及路徑規劃$294$279 -
卡爾曼濾波理論與實踐：MATLAB 版, 4/e$594$564 -
計算機視覺中的多視圖幾何, 2/e (Multiple View Geometry in Computer Vision, 2/e)$1,014$963 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$458 -
決心打底！Python 深度學習基礎養成$690$587 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$593 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$790 -
超圖解 ESP32 深度實作$880$695 -
深度學習的 16 堂課：CNN + RNN + GAN + DQN + DRL, 看得懂、學得會、做得出！ (Deep Learning Illustrated: A Visual, Interactive Guide to Artificial Intelligence)$620$490 -
機器人 SLAM 導航：核心技術與實戰$894$849 -
$120機器人 SLAM 技術及其 ROS 系統應用 -
$607ROS 2 機器人編程實戰：基於現代 C++ 和 Python 3 -
深入淺出密碼學$719$683 -
Python 遊戲開發講座｜演算法篇$620$490 -
ChatGPT 4 萬用手冊：超強外掛、Prompt 範本、Line Bot、OpenAI API、Midjourney、Stable Diffusion$630$498 -
從 ROS1 到 ROS2 無人機編程實戰指南$1,188$1,129 -
$556點雲配準從入門到精通 -
AI 繪圖夢工廠 ：Midjourney、Stable Diffusion、Leonardo. ai × ChatGPT 超應用 神技$630$498 -
Unreal Engine 5 完全自學教程$1,014$963 -
視覺慣性 SLAM 實作 - 原始程式剖析真正讀懂理論$980$833 -
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 -
高效 C/C++ 調試$594$564 -
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 -
$458智能駕駛之激光雷達算法詳解
相關主題
商品描述
本書系統介紹以相機和慣性測量單元為主傳感器的視覺、視覺慣性SLAM 算法。本書通過選取該領域有代表性的兩個開源項目，從原理闡述、公式推導、代碼解析和工程經驗等多個維度，對SLAM 技術進行全面的解讀。為了讓讀者在輕松的氛圍中快速理解專業知識，本書以小白和師兄對話的形式娓娓道來，幫助讀者在學習的過程中不斷思考和提升。同時，本書秉承“一圖勝千言”的理念，把大量復雜的原理或流程繪製成清晰、易懂的示意圖，降低了初學者的學習門檻。本書理論和實踐並重，引導讀者循序漸進地掌握項目實踐經驗。本書兼具技術的廣度和深度，適合有一定SLAM 基礎的高等院校學生、科研機構研究人員和企業從業者閱讀，尤其適合希望深入研究視覺（慣性）SLAM 的算法工程師參考。
目錄大綱
第1章 概覽/3
1.1什麽是SLAM/3
1.2SLAM有什麽不可替/5
1.3SLAM的應用領域/7
參考文獻/9
第2章編程及編譯工具/11
2.1C++新特性/11
2.2CMake入門/16
第3章SLAM中常用的數學基礎知識/29
3.1為什麽要用齊次坐標/29
3.2三維空間中剛體旋轉的幾種表達方式/33
第4章相機成像模型/39
4.1針孔相機成像原理/39
4.2針孔相機成像模型/41
4.3相機畸變模型/47
參考文獻/50
第5章對極幾何/51
5.1對極幾何的基本概念/51
5.2理解對極約束/52
第6章圖優化庫的使用/55
6.1g2o編程框架/56
6.2構建g2o頂點/61
6.3構建g2o邊/67
參考文獻/75
第二部分ORB-SLAM2理論與實踐
第7章ORB特徵提取/83
7.1ORB特徵點/83
7.2ORB特徵點均勻化策略/93
參考文獻/105
第8章ORB-SLAM2中的特徵匹配/106
8.1單目初始化中的特徵匹配/107
8.2通過詞袋進行特徵匹配/115
8.3通過地圖點投影進行特徵匹配/131
8.4通過Sim(3)變換進行相互投影匹配/136
參考文獻/140
第9章地圖點、關鍵幀和圖結構/141
9.1地圖點/141
9.2關鍵幀/153
9.3圖結構/170
參考文獻/173
第10章ORB-SLAM2中的地圖初始化/174
10.1為什麽需要初始化/174
10.2單目模式地圖初始化/175
10.3雙目模式地圖初始化/197
第11章ORB-SLAM2中的跟蹤線程/205
11.1參考關鍵幀跟蹤/206
11.2恆速模型跟蹤/209
11.3重定位跟蹤/214
11.4局部地圖跟蹤/247
參考文獻/258
第12章ORB-SLAM2中的局部建圖線程/259
12.1處理新的關鍵幀/260
12.2剔除不合格的地圖點/261
12.3生成新的地圖點/263
12.4檢查並融合當前關鍵幀與相鄰幀的地圖點/269
12.5關鍵幀的剔除/271
第13章ORB-SLAM2中的閉環線程/275
13.1什麽是閉環檢測··275
13.2尋找並驗證閉環候選關鍵幀/276
13.3計算Sim(3)變換/281
13.4閉環矯正/298
13.5閉環全局BA優化/305
參考文獻/307
第14章ORB-SLAM2中的優化方法/308
14.1跟蹤線程僅優化位姿/309
14.2局部建圖線程中局部地圖優化/315
14.3閉環線程中的Sim(3)位姿優化/323
14.4閉環時本質圖優化/329
14.5全局優化/336
第三部分ORB-SLAM3理論與實踐
第15章ORB-SLAM3中的IMU預積分/345
15.1視覺慣性緊耦合的意義/345
15.2IMU預積分原理及推導/346
15.3IMU預積分的代碼實現/371
參考文獻/377
第16章ORB-SLAM3中的多地圖系統/378
16.1多地圖的基本概念/378
16.2多地圖系統的效果和作用/379
16.3創建新地圖的方法和時機/381
16.4地圖融合概述/385
參考文獻/387
第17章ORB-SLAM3中的跟蹤線程/388
17.1跟蹤線程流程圖/388
17.2跟蹤線程的新變化/388
第18章ORB-SLAM3中的局部建圖線程/399
18.1局部建圖線程的作用/399
18.2局部建圖線程的流程/400
18.3IMU的初始化/402
參考文獻/410
第19章ORB-SLAM3中的閉環及地圖融合線程/411
19.1檢測共同區域/412
19.2地圖融合/420
參考文獻/429
第20章視覺SLAM的現在與未來/430
20.1視覺SLAM的發展歷程/430
20.2視覺慣性SLAM框架對比及數據集/434
20.3未來發展趨勢/437
20.4總結/442
參考文獻/442
