这些资源你可能感兴趣
《视觉SLAM十四讲：从理论到实践》系统介绍了视觉SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包括计算机视觉的算法实现，例如多视图几何、回环检测等。此外，还提供了大量的实例代码供读者学习研究，从而更深入地掌握这些内容。
《视觉SLAM十四讲：从理论到实践》可以作为对SLAM感兴趣的研究人员的入门自学材料，也可以作为SLAM相关的高校本科生或研究生课程教材使用。
编辑推荐
适读人群：本书适合对SLAM感兴趣的读者阅读，也适合有志于从事计算机视觉、机器人研究等领域的广大学生阅读，可作为SLAM技术的入门教材。
SLAM技术是全自动无人驾驶、无人机、机器人等人工智能产品的核心技术之一。
作者是SLAM领域非常杰出的青年专家。
书中不仅有深入浅出的讲解，同时注重理论和实践结合，大大降低了国内学生和相关从业者的进入门槛。
作者简介
高翔，2008年就读清华大学自动化系，2012年免试进入清华大学自动化系攻读博士学位。研究课题为视觉SLAM，兴趣包括计算机视觉与机器学习。曾撰写过与SLAM相关的论文和技术博客。
张涛，清华大学自动化系教授、党委书记、副系主任。1995年9月至1999年9月在清华大学自动化系检测技术与自动化装置专业学习，获博士学位。1999年10月至2002年9月在日本国立佐贺大学大学院工学系研究科系统控制专业学习，获博士学位。研究课题包括机器人、航空航天、计算机视觉等。
刘毅，华中科技大学图像与人工智能研究所在读博士，本科毕业于武汉理工大学数学系。读博期间专注于图像处理、三维重建、视觉SLAM，以及传感器融合研究和应用，读博期间先后于深圳市大疆创新公司，英特尔中国研究院等单位实习。
颜沁睿，比利时荷语鲁汶大学人工智能硕士，电子工程学士（GroupT）。电子科技大学信息显示与光电技术学士。长期致力于研究人工智能技术在机器人领域的应用，包括计算机视觉、机器学习和SLAM。现担任地平线机器人公司智能驾驶部算法工程师。
目录
第1讲预备知识1
1.1本书讲什么1
1.2如何使用本书3
1.2.1组织方式3
1.2.2代码5
1.2.3面向的读者6
1.3风格约定6
1.4致谢和声明7
第2讲初识SLAM9
2.1引子：小萝卜的例子11
2.2经典视觉SLAM框架17
2.2.1视觉里程计17
2.2.2后端优化19
2.2.3回环检测20
2.2.4建图21
2.3SLAM问题的数学表述22
2.4实践：编程基础25
2.4.1安装Linux操作系统25
2.4.2HelloSLAM27
2.4.3使用cmake28
2.4.4使用库30
2.4.5使用IDE32
第3讲三维空间刚体运动37
3.1旋转矩阵39
3.1.1点和向量，坐标系39
3.1.2坐标系间的欧氏变换40
3.1.3变换矩阵与齐次坐标42
3.2实践：Eigen44
3.3旋转向量和欧拉角48
3.3.1旋转向量48
3.3.2欧拉角50
3.4四元数51
3.4.1四元数的定义51
3.4.2四元数的运算53
3.4.3用四元数表示旋转55
3.4.4四元数到旋转矩阵的转换55
3.5相似、仿射、射影变换56
3.6实践：Eigen几何模块57
3.7可视化演示60
第4讲李群与李代数62
4.1李群与李代数基础64
4.1.1群64
4.1.2李代数的引出65
4.1.3李代数的定义67
4.1.4李代数so（3）67
4.1.5李代数se（3）68
4.2指数与对数映射69
4.2.1SO（3）上的指数映射69
4.2.2SE（3）上的指数映射.70
4.3李代数求导与扰动模型72
4.3.1BCH公式与近似形式72
4.3.2SO（3）李代数上的求导73
4.3.3李代数求导74
4.3.4扰动模型（左乘）75
4.3.5SE（3）上的李代数求导76
4.4实践：Sophus76
4.5相似变换群与李代数.79
4.6小结81
第5讲相机与图像82
5.1相机模型84
5.1.1针孔相机模型84
5.1.2畸变87
5.1.3双目相机模型90
5.1.4RGB—D相机模型92
5.2图像93
5.3实践：图像的存取与访问95
5.3.1安装OpenCV95
5.3.2操作OpenCV图像96
5.4实践：拼接点云99
第6讲非线性优化104
6.1状态估计问题106
6.1.1最大后验与最大似然106
6.1.2最小二乘的引出108
6.2非线性最小二乘109
6.2.1一阶和二阶梯度法110
6.2.2高斯牛顿法111
6.2.3列文伯格—马夸尔特方法113
6.2.4小结114
6.3实践：Ceres115
6.3.1Ceres简介116
6.3.2安装Ceres116
6.3.3使用Ceres拟合曲线117
6.4实践：g2o121
6.4.1图优化理论简介121
6.4.2g2o的编译与安装122
6.4.3使用g2o拟合曲线123
6.5小结128
第7讲视觉里程计1130
7.1特征点法132
7.1.1特征点132
7.1.2ORB特征134
7.1.3特征匹配137
7.2实践：特征提取和匹配138
7.32D？2D：对极几何141
7.3.1对极约束141
7.3.2本质矩阵143
7.3.3单应矩阵146
7.4实践：对极约束求解相机运动148
7.5三角测量153
7.6实践：三角测量154
7.6.1三角测量代码154
7.6.2讨论156
7.73D？2D：PnP157
7.7.1直接线性变换158
7.7.2P3P159
7.7.3BundleAdjustment161
7.8实践：求解PnP165
7.8.1使用EPnP求解位姿165
7.8.2使用BA优化166
7.93D？3D：ICP172
7.9.1SVD方法173
7.9.2非线性优化方法175
7.10实践：求解ICP176
7.10.1SVD方法176
7.10.2非线性优化方法178
7.11小结180
第8讲视觉里程计2182
8.1直接法的引出184
8.2光流（OpticalFlow）185
8.3实践：LK光流187
8.3.1使用TUM公开数据集187
8.3.2使用LK光流188
8.4直接法（DirectMethod）192
8.4.1直接法的推导192
8.4.2直接法的讨论195
8.5实践：RGB—D的直接法196
8.5.1稀疏直接法196
8.5.2定义直接法的边197
8.5.3使用直接法估计相机运动199
8.5.4半稠密直接法200
8.5.5直接法的讨论202
8.5.6直接法优缺点总结203
第9讲实践：设计前端205
9.1搭建VO框架206
9.1.1确定程序框架207
9.1.2确定基本数据结构208
9.1.3Camera类210
9.1.4Frame类212
9.1.5MapPoint类213
9.1.6Map类213
9.1.7Config类214
9.2基本的VO：特征提取和匹配216
9.2.1两两帧的视觉里程计216
9.2.2讨论224
9.3改进：优化PnP的结果224
9.4改进：局部地图227
9.5小结233
第10讲后端1235
10.1概述237
10.1.1状态估计的概率解释237
10.1.2线性系统和KF239
10.1.3非线性系统和EKF242
10.1.4EKF的讨论243
10.2BA与图优化245
10.2.1投影模型和BA代价函数245
10.2.2BA的求解247
10.2.3稀疏性和边缘化248
10.2.4鲁棒核函数255
10.2.5小结256
10.3实践：g2o257
10.3.1BA数据集257
10.3.2g2o求解BA258
10.3.3求解262
10.4实践：Ceres264
10.4.1Ceres求解BA265
10.4.2求解267
10.5小结269
第11讲后端2270
11.1位姿图（PoseGraph）271
11.1.1PoseGraph的意义271
11.1.2PoseGraph的优化272
11.2实践：位姿图优化274
11.2.1g2o原生位姿图274
11.2.2李代数上的位姿图优化278
11.2.3小结284
11.3因子图优化初步285
11.3.1贝叶斯网络285
11.3.2因子图286
11.3.3增量特性288
11.4实践：gtsam289
11.4.1安装gtsam4.0289
11.4.2位姿图优化290
第12讲回环检测297
12.1回环检测概述299
12.1.1回环检测的意义299
12.1.2方法300
12.1.3准确率和召回率301
12.2词袋模型303
12.3字典305
12.3.1字典的结构305
12.3.2实践：创建字典306
12.4相似度计算309
12.4.1理论部分309
12.4.2实践：相似度的计算310
12.5实验分析与评述314
12.5.1增加字典规模314
12.5.2相似性评分的处理316
12.5.3关键帧的处理316
12.5.4检测之后的验证317
12.5.5与机器学习的关系317
第13讲建图319
13.1概述320
13.2单目稠密重建322
13.2.1立体视觉322
13.2.2极线搜索与块匹配323
13.2.3高斯分布的深度滤波器325
13.3实践：单目稠密重建328
13.4实验分析与讨论339
13.4.1像素梯度的问题339
13.4.2逆深度340
13.4.3图像间的变换341
13.4.4并行化：效率的问题342
13.4.5其他的改进343
13.5RGB—D稠密建图343
13.5.1实践：点云地图344
13.5.2八叉树地图347
13.5.3实践：八叉树地图350
13.6*TSDF地图和Fusion系列352
13.7小结356
第14讲SLAM：现在与未来357
14.1当前的开源方案358
14.1.1MonoSLAM358
14.1.2PTAM359
14.1.3ORB—SLAM361
14.1.4LSD—SLAM363
14.1.5SVO364
14.1.6RTAB—MAP366
14.1.7其他367
14.2未来的SLAM话题367
14.2.1视觉+惯性导航SLAM367
14.2.2语义SLAM369
14.2.3SLAM的未来370
附录A高斯分布的性质371
A.1高斯分布371
A.2高斯分布的运算371
A.2.1线性运算371
A.2.2乘积372
A.2.3复合运算372
A.3复合的例子372
附录BROS入门374
B.1ROS是什么374
B.2ROS的特点375
B.3如何快速上手ROS375
参考文献377
本书评论