视觉SLAM十四讲: 从理论到实践 第2版

封面 前折页 书名页 版权页 第二版序 目录 读者服务 第1 讲 预备知识 1.1 本书讲什么 1.2 如何使用本书 1.2.1 组织方式 1.2.2 代码 1.2.3 面向的读者 1.3 风格约定 1.4 致谢和声明 第1 部分 数学基础 第2 讲 初识SLAM 2.1 引子:小萝卜的例子 2.2 经典视觉SLAM框架 2.2.1 视觉里程计 2.2.2 后端优化 2.2.3 回环检测 2.2.4 建图 2.3 SLAM问题的数学表述 2.4 实践:编程基础 2.4.1 安装Linux操作系统 2.4.2 Hello SLAM 2.4.3 使用cmake 2.4.4 使用库 2.4.5 使用IDE 第3 讲 三维空间刚体运动 3.1 旋转矩阵 3.1.1 点、向量和坐标系 3.1.2 坐标系间的欧氏变换 3.1.3 变换矩阵与齐次坐标 3.2 实践:Eigen 3.3 旋转向量和欧拉角 3.3.1 旋转向量 3.3.2 欧拉角 3.4 四元数 3.4.1 四元数的定义 3.4.2 四元数的运算 3.4.3 用四元数表示旋转 3.4.4 四元数到其他旋转表示的转换 3.5 *相似、仿射、射影变换 3.6 实践:Eigen几何模块 3.6.1 Eigen几何模块的数据演示 3.6.2 实际的坐标变换例子 3.7 可视化演示 3.7.1 显示运动轨迹 3.7.2 显示相机的位姿 第4 讲 李群与李代数 4.1 李群与李代数基础 4.1.1 群 4.1.2 李代数的引出 4.1.3 李代数的定义 4.1.4 李代数so(3) 4.1.5 李代数se(3) 4.2 指数与对数映射 4.2.1 SO(3)上的指数映射 4.2.2 SE(3)上的指数映射 4.3 李代数求导与扰动模型 4.3.1 BCH公式与近似形式 4.3.2 SO(3)上的李代数求导 4.3.3 李代数求导 4.3.4 扰动模型(左乘) 4.3.5 SE(3)上的李代数求导 4.4 实践:Sophus 4.4.1 Sophus的基本使用方法 4.4.2 例子:评估轨迹的误差 4.5 *相似变换群与李代数 4.6 小结 第5 讲 相机与图像 5.1 相机模型 5.1.1 针孔相机模型 5.1.2 畸变模型 5.1.3 双目相机模型 5.1.4 RGB-D相机模型 5.2 图像 5.3 实践:计算机中的图像 5.3.1 OpenCV的基本使用方法 5.3.2 图像去畸变 5.4 实践:3D视觉 5.4.1 双目视觉 5.4.2 RGB-D视觉 第6 讲 非线性优化 6.1 状态估计问题 6.1.1 批量状态估计与最大后验估计 6.1.2 最小二乘的引出 6.1.3 例子:批量状态估计 6.2 非线性最小二乘 6.2.1 一阶和二阶梯度法 6.2.2 高斯牛顿法 6.2.3 列文伯格—马夸尔特方法 6.3 实践:曲线拟合问题 6.3.1 手写高斯牛顿法 6.3.2 使用Ceres进行曲线拟合 6.3.3 使用g2o进行曲线拟合 6.4 小结 第2 部分 实践应用 第7 讲 视觉里程计1 7.1 特征点法 7.1.1 特征点 7.1.2 ORB特征 7.1.3 特征匹配 7.2 实践:特征提取和匹配 7.2.1 OpenCV的ORB特征 7.2.2 手写ORB特征 7.2.3 计算相机运动 7.32 D-2D:对极几何 7.3.1 对极约束 7.3.2 本质矩阵 7.3.3 单应矩阵 7.4 实践:对极约束求解相机运动 7.5 三角测量 7.6 实践:三角测量 7.6.1 三角测量代码 7.6.2 讨论 7.73 D-2D:PnP 7.7.1 直接线性变换 7.7.2 P3P 7.7.3 最小化重投影误差求解PnP 7.8 实践:求解Pnp 7.8.1 使用EPnP求解位姿 7.8.2 手写位姿估计 7.8.3 使用g2o进行BA优化 7.93 D-3D:ICP 7.9.1 SVD方法 7.9.2 非线性优化方法 7.10 实践:求解ICP 7.10.1 实践:SVD方法 7.10.2 实践:非线性优化方法 7.11 小结 第8 讲 视觉里程计2 8.1 直接法的引出 8.22 D光流 8.3 实践:LK光流 8.3.1 使用LK光流 8.3.2 用高斯牛顿法实现光流 8.3.3 光流实践小结 8.4 直接法 8.4.1 直接法的推导 8.4.2 直接法的讨论 8.5 实践:直接法 8.5.1 单层直接法 8.5.2 多层直接法 8.5.3 结果讨论 8.5.4 直接法优缺点总结 第9 讲 后端1 9.1 概述 9.1.1 状态估计的概率解释 9.1.2 线性系统和KF 9.1.3 非线性系统和EKF 9.1.4 EKF的讨论 9.2 BA与图优化 9.2.1 投影模型和BA代价函数 9.2.2 BA的求解 9.2.3 稀疏性和边缘化 9.2.4 鲁棒核函数 9.3 实践:Ceres BA 9.3.1 BAL数据集 9.3.2 Ceres BA的书写 9.4 实践:g2o求解BA 9.5 小结 第10 讲 后端2 10.1 滑动窗口滤波和优化 10.1.1 实际环境下的BA结构 10.1.2 滑动窗口法 10.2 位姿图 10.2.1 位姿图的意义 10.2.2 位姿图的优化 10.3 实践:位姿图优化 10.3.1 g2o原生位姿图 10.3.2 李代数上的位姿图优化 10.3.3 小结 第11 讲 回环检测 11.1 概述 11.1.1 回环检测的意义 11.1.2 回环检测的方法 11.1.3 准确率和召回率 11.2 词袋模型 11.3 字典 11.3.1 字典的结构 11.3.2 实践:创建字典 11.4 相似度计算 11.4.1 理论部分 11.4.2 实践:相似度的计算 11.5 实验分析与评述 11.5.1 增加字典规模 11.5.2 相似性评分的处理 11.5.3 关键帧的处理 11.5.4 检测之后的验证 11.5.5 与机器学习的关系 第12 讲 建图 12.1 概述 12.2 单目稠密重建 12.2.1 立体视觉 12.2.2 极线搜索与块匹配 12.2.3 高斯分布的深度滤波器 12.3 实践:单目稠密重建 12.3.1 实验分析与讨论 12.3.2 像素梯度的问题 12.3.3 逆深度 12.3.4 图像间的变换 12.3.5 并行化:效率的问题 12.3.6 其他的改进 12.4 RGB-D稠密建图 12.4.1 实践:点云地图 12.4.2 从点云重建网格 12.4.3 八叉树地图 12.4.4 实践:八叉树地图 12.5 *TSDF地图和Fusion系列 12.6 小结 第13 讲 实践:设计SLAM系统 13.1 为什么要单独列工程章节 13.2 工程框架 13.3 实现 13.3.1 实现基本数据结构 13.3.2 前端 13.3.3 后端 13.4 实验效果 第14 讲 SLAM:现在与未来 14.1 当前的开源方案 14.1.1 MonoSLAM 14.1.2 PTAM 14.1.3 ORB-SLAM 14.1.4 LSD-SLAM 14.1.5 SVO 14.1.6 RTAB-MAP 14.1.7 其他 14.2 未来的SLAM话题 14.2.1 视觉+惯性导航SLAM 14.2.2 语义SLAM 14.2.3 SLAM的未来 附录A 高斯分布的性质 附录B 矩阵求导 附录C ROS入门 参考文献 后折页 封底