智能網(wǎng)聯(lián)汽車：激光與視覺SLAM詳解

定　價(jià)：￥109.00

作　者：	陳苑鋒董雪馬建軍徐守龍朱兆穎 [德]徐永龍裘維東陳巍賀光紅胡爽祿李俊輝林源王鶴穎陳昊陽葉文韜
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥92.10)

ISBN：	9787111747550	出版時(shí)間：	2024-03-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　書對(duì)激光SLAM和視覺SLAM技術(shù)進(jìn)行了系統(tǒng)介紹，涉及基礎(chǔ)理論、關(guān)鍵技術(shù)、應(yīng)用實(shí)踐及未來趨勢(shì)，并探討了它們與智能網(wǎng)聯(lián)汽車的關(guān)系。既是想要在自動(dòng)駕駛和智能汽車領(lǐng)域取得突破的從業(yè)者的閱讀選擇，也是追求SLAM技術(shù)深度與廣度的專業(yè)人士的學(xué)習(xí)資料。具體來說，本書從智能網(wǎng)聯(lián)汽車的基本概念入手，詳細(xì)介紹了SLAM技術(shù)的發(fā)展歷程、架構(gòu)設(shè)計(jì)、核心算法以及在自動(dòng)駕駛等級(jí)中的應(yīng)用現(xiàn)狀和技術(shù)難點(diǎn)。不僅分析了多傳感器融合技術(shù)的同步與標(biāo)定方法、融合策略，還深入探討了激光SLAM和視覺SLAM的點(diǎn)云處理、關(guān)鍵幀提取、后端優(yōu)化等關(guān)鍵技術(shù)，并通過Cartographer、LOAM、LeGO-LOAM、LIO-SAM等算法的代碼實(shí)戰(zhàn)，展示了SLAM技術(shù)的實(shí)際應(yīng)用。此外，著重講解了深度學(xué)習(xí)在SLAM中的應(yīng)用，如相機(jī)重定位、特征點(diǎn)提取與匹配、視覺里程計(jì)、回環(huán)檢測(cè)以及語義SLAM的前沿進(jìn)展。之后，展望了激光SLAM和視覺SLAM技術(shù)的未來發(fā)展趨勢(shì)，提供了寶貴的行業(yè)洞察。

作者簡(jiǎn)介

　　陳苑鋒復(fù)旦大學(xué)微電子學(xué)理學(xué)博士，高級(jí)職稱。英國(guó)薩塞克斯人工智能學(xué)院客座教授、中國(guó)國(guó)際“互聯(lián)網(wǎng) ”大學(xué)生創(chuàng)新創(chuàng)業(yè)大賽國(guó)賽評(píng)委、上海市職業(yè)技能大賽專家評(píng)委、上海市工程系列計(jì)算機(jī)專業(yè)中級(jí)職稱專家評(píng)委等。先后在三星（韓國(guó)本部）、華為、阿里巴巴、美的集團(tuán)等公司從事技術(shù)研發(fā)及管理工作。在集成電路、智能產(chǎn)品、機(jī)器人和物聯(lián)網(wǎng)領(lǐng)域有多年研發(fā)經(jīng)驗(yàn)。董雪澳大利亞阿德萊德大學(xué)博士，上海交通大學(xué)副教授、博士生導(dǎo)師。研究方向包括激光成像、圖像處理、自主移動(dòng)平臺(tái)的傳感器融合、即時(shí)定位導(dǎo)航及路徑規(guī)劃等，發(fā)表學(xué)術(shù)論文40余篇，主持國(guó)家自然科學(xué)基金、上海市揚(yáng)帆計(jì)劃、沃爾沃汽車可持續(xù)發(fā)展項(xiàng)目等。熟悉車端傳感器的功能和特點(diǎn)，以及基于深度學(xué)習(xí)算法的傳感器融合。近年來的學(xué)術(shù)成果和工程應(yīng)用經(jīng)驗(yàn)集中于單目無監(jiān)督深度感知算法，基于對(duì)抗生成網(wǎng)絡(luò)的數(shù)據(jù)挖掘，基于CONV-LSTM、光流神經(jīng)網(wǎng)絡(luò)的高頻高分辨率圖像重建，端到端神經(jīng)網(wǎng)絡(luò)的復(fù)雜系統(tǒng)建模等方向。

圖書目錄

前言
作者介紹
第1章智能網(wǎng)聯(lián)汽車及SLAM概述1
1.1基本概念1
1.1.1智能網(wǎng)聯(lián)汽車1
1.1.2SLAM定義2
1.1.3地圖的分類與作用4
1.1.4SLAM技術(shù)探討7
1.2SLAM的應(yīng)用現(xiàn)狀10
1.2.1自動(dòng)駕駛等級(jí)10
1.2.2技術(shù)難點(diǎn)11
1.2.3SLAM的優(yōu)勢(shì)13
1.3SLAM架構(gòu)13
1.3.1環(huán)境感知13
1.3.2環(huán)境繪圖14
1.3.3運(yùn)動(dòng)規(guī)劃16
1.3.4車輛控制17
1.3.5監(jiān)控系統(tǒng)17
1.4SLAM的發(fā)展階段與應(yīng)用前景18
1.4.1SLAM演進(jìn)的3個(gè)階段18
1.4.2SLAM的應(yīng)用前景19
第2章自動(dòng)駕駛常用傳感器及原理21
2.1激光雷達(dá)22
2.1.1激光雷達(dá)的種類22
2.1.2三角測(cè)距激光雷達(dá)24
2.1.3ToF激光雷達(dá)24
2.1.4機(jī)械式激光雷達(dá)27
2.1.5混合固態(tài)激光雷達(dá)28
2.1.6固態(tài)激光雷達(dá)29
2.1.7競(jìng)品對(duì)比31
2.1.8核心部件33
2.1.9應(yīng)用及展望34
2.2深度相機(jī)34
2.2.1ToF深度相機(jī)35
2.2.2結(jié)構(gòu)光深度相機(jī)37
2.2.3雙目深度相機(jī)38
2.2.4應(yīng)用及展望41
2.3毫米波雷達(dá)43
2.3.1工作原理43
2.3.2測(cè)距功能原理44
2.3.3測(cè)速功能原理46
2.3.4角度估算原理48
2.3.5FoV計(jì)算原理48
2.3.6核心參數(shù)49
2.3.7應(yīng)用及展望50
第3章多傳感器融合51
3.1同步與標(biāo)定52
3.1.1時(shí)間硬同步52
3.1.2時(shí)間軟同步55
3.1.3空間標(biāo)定56
3.2融合策略66
3.2.1后融合67
3.2.2前融合73
3.3應(yīng)用分析77
3.3.1自動(dòng)駕駛應(yīng)用78
3.3.2移動(dòng)機(jī)器人應(yīng)用79
3.3.3機(jī)械臂應(yīng)用80
第4章激光SLAM81
4.1點(diǎn)云預(yù)處理82
4.1.1點(diǎn)云濾波82
4.1.2點(diǎn)云分割84
4.1.3點(diǎn)云運(yùn)動(dòng)補(bǔ)償86
4.2前端里程計(jì)89
4.2.1基于直接匹配的迭代最近點(diǎn)算法89
4.2.2基于特征匹配的正態(tài)分布變換算法92
4.2.3ICP算法與NDT算法的比較96
4.3關(guān)鍵幀提取97
4.3.1基于幀間運(yùn)動(dòng)的關(guān)鍵幀提取97
4.3.2基于時(shí)間間隔的關(guān)鍵幀提取98
4.4后端優(yōu)化100
4.4.1基于圖優(yōu)化的后端優(yōu)化101
4.4.2基于濾波器的后端優(yōu)化102
4.5激光SLAM算法實(shí)戰(zhàn)106
4.5.1Cartographer算法106
4.5.2Cartographer代碼實(shí)戰(zhàn)109
4.5.3LOAM算法112
4.5.4LOAM代碼實(shí)戰(zhàn)：
A-LOAM118
4.5.5LeGO-LOAM算法120
4.5.6LeGO-LOAM代碼實(shí)戰(zhàn)125
4.5.7LIO-SAM算法127
4.5.8LIO-SAM代碼實(shí)戰(zhàn)133
第5章視覺SLAM136
5.1前端視覺里程計(jì)137
5.1.1基于特征點(diǎn)法的視覺里程計(jì)137
5.1.2基于直接法的視覺里程計(jì)152
5.2后端非線性優(yōu)化155
5.2.1BA優(yōu)化155
5.2.2位姿圖優(yōu)化157
5.3回環(huán)檢測(cè)158
5.3.1詞袋模型159
5.3.2深度學(xué)習(xí)模型161
5.4建圖162
5.4.1度量地圖162
5.4.2拓?fù)涞貓D162
5.4.3特征點(diǎn)地圖163
5.5常用的視覺SLAM算法163
5.5.1ORB SLAM 2架構(gòu)164
5.5.2SVO架構(gòu)174
5.5.3DSO架構(gòu)178
5.5.4VINS-Mono架構(gòu)182
5.5.5代碼實(shí)戰(zhàn)190
第6章深度學(xué)習(xí)在SLAM中的應(yīng)用193
6.1深度學(xué)習(xí)與相機(jī)重定位193
6.1.1基于深度神經(jīng)網(wǎng)絡(luò)的相機(jī)重定位方法194
6.1.2基于檢索的相機(jī)重定位方法194
6.1.3全場(chǎng)景理解195
6.2深度學(xué)習(xí)與特征點(diǎn)的提取及匹配196
6.2.1深度卷積神經(jīng)網(wǎng)絡(luò)特征點(diǎn)的鑒別196
6.2.2LIFT：基于深度學(xué)習(xí)的經(jīng)典局部特征提取方法197
6.2.3MatchNet：通過統(tǒng)一特征和度量學(xué)習(xí)實(shí)現(xiàn)基于補(bǔ)丁的匹配198
6.2.4UCN：通用的圖像關(guān)聯(lián)預(yù)測(cè)器201
6.3深度學(xué)習(xí)與視覺里程計(jì)203
6.4深度學(xué)習(xí)與回環(huán)檢測(cè)207
6.5深度學(xué)習(xí)與語義SLAM208
6.5.1語義分割網(wǎng)絡(luò)209
6.5.2構(gòu)建語義地圖212
6.5.3ORB SLAM實(shí)際操作215
第7章SLAM技術(shù)展望217
7.1激光SLAM的應(yīng)用及展望218
7.1.1激光SLAM的應(yīng)用現(xiàn)狀218
7.1.2激光SLAM的未來趨勢(shì)220
7.2視覺SLAM的應(yīng)用及展望220
7.2.1視覺SLAM的應(yīng)用現(xiàn)狀221
7.2.2視覺SLAM的未來趨勢(shì)222
后記223