简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 无人驾驶
• 自动驾驶
• SLAM
• 视觉SLAM
• 计算机视觉
• 机器学习
• 人工智能
• 深度学习
• 机器人
• 算法

店铺： 旷氏文豪图书专营店

出版社： 暂无

ISBN：9787121313554

商品编码：12879190852

9787302397922 9787121313554 9787121311048

视觉机器学习20讲

《视觉机器学习20讲》是计算机、自动化、信息、电子与通信学科方向的专著，详尽地介绍了K-Means、KNN学习、回归学习、决策树学习、RandomForest、贝叶斯学习、EM算法、Adaboost、SVM方法、增强学习、流形学习、RBF学习、稀疏表示、字典学习、BP学习、CNN学习、RBM学习、深度学习、遗传算法、蚁群方法等基本理论；深入阐述了视觉机器学习算法的优化方法和实验仿真；系统地总结了其优点和不足。
　　本书特别重视如何将视觉机器学习算法的理论和实践有机地结合，解决视觉机器学习领域中的诸多基础问题，可应用于医学图像分析、工业自动化、机器人、无人车、人脸检测与识别、车辆信息识别、行为检测与识别、智能视频监控等。本书特别重视算法的典型性和可实现性，既包含本领域的**算法，也包含本领域的研究成果。
　　本书不仅可作为高年级本科生与研究生教材，而且也是从事视觉机器学习领域研发极为有用的参考资料。

绪论
第1讲 K-means
1.1 基本原理
1.2 算法改进
1.3 仿真实验
1.4 算法特点
第 2 讲 KNN学习
2.1 基本原理
2.2 算法改进
2.3 仿真实验
2.4 算法特点
第 3 讲 回归学习
3.1 基本原理
3.1.1 参数回归
3.1.2 非参数回归
3.1.3 半参数回归
3.2 算法改进
3.2.1 线性回归模型
3.2.2 多项式回归模型
3.2.3 主成分回归模型
3.2.4 自回归模型

......

*一本无人驾驶技术书

无人驾驶是一个复杂的系统，涉及的技术点种类多且跨度大，入门者常常不知从何入手。本书首先宏观地呈现了无人驾驶的整体技术架构，概述了无人驾驶中涉及的各个技术点。在读者对无人驾驶技术有了宏观认识后，本书深入浅出地讲解了无人驾驶定位导航、感知、决策与控制等算法，深度学习在无人驾驶中的应用，无人驾驶系统软件和硬件平台，无人驾驶安全及无人驾驶云平台等多个主要技术点。本书的作者都是无人驾驶行业的从业者与研究人员，有着多年无人驾驶及人工智能技术的实战经验。 
　　本书从实用的角度出发，以期帮助对无人驾驶技术感兴趣的从业者与相关人士实现对无人驾驶行业的快速入门，以及对无人驾驶技术的深度理解与应用实践。 

1 无人车：正在开始的未来 1 
1.1 正在走来的无人驾驶 2 
1.2 自动驾驶的分级 4 
1.3 无人驾驶系统简介 7 
1.4 序幕刚启 18 
1.5 参考资料 18 
2 光学雷达在无人驾驶技术中的应用 21 
2.1 无人驾驶技术简介 21 
2.2 光学雷达基础知识 22 
2.3 LiDAR在无人驾驶技术中的应用领域 24 
2.4 LiDAR技术面临的挑战 26 
2.5 展望未来 28 
2.6 参考资料 28 
3 GPS及惯性传感器在无人驾驶中的应用 30 
3.1 无人驾驶定位技术 30 
3.2 GPS简介 31 
3.3 惯性传感器简介 34 
3.4 GPS和惯性传感器的融合 36 
3.5 结论 37 
3.6 参考资料 38 
4 基于计算机视觉的无人驾驶感知系统 39 
4.1 无人驾驶的感知 39 
4.3 计算机视觉能帮助无人车辆解决的问题 42 
4.4 Optical Flow和立体视觉 43 
4.5 物体的识别与追踪 45 
4.6 视觉里程计算法 47 
4.7 结论 48 
4.8 参考资料 49 
5 卷积神经网络在无人驾驶中的应用 50 
5.1 CNN简介 50 
5.2 无人驾驶双目3D感知 51 
5.3 无人驾驶物体检测 54 
5.4 结论 59 
5.5 参考资料 59 
6 增强学习在无人驾驶中的应用 61 
6.1 增强学习的简介 61 
6.2 增强学习算法 63 
6.3 使用增强学习帮助决策 68 
6.4 无人驾驶的决策介绍 70 
6.5 参考资料 74 
7 无人驾驶的规划与控制 75 
7.1 规划与控制简介 75 
7.2 路由寻径 77 
7.3 行为决策 84 
7.4 动作规划 93 
7.5 反馈控制 102 
7.6 无人车规划控制结语 105 
7.7 参考资料 106 
8 基于ROS的无人驾驶系统 108 
8.1 无人驾驶：多种技术的集成 108 
8.2 机器人操作系统（ROS）简介 110 
8.3 系统可靠性 115 
8.4 系统通信性能提升 116 
8.5 系统资源管理与安全性 117 
8.6 结论 118 
8.7 参考资料 118 
9 无人驾驶的硬件平台 120 
9.1 无人驾驶：复杂系统 120 
9.2 传感器平台 121 
9.3 计算平台 140 
9.4 控制平台 150 
9.5 结论 157 
9.6 参考资料 158 
10 无人驾驶系统安全 160 
10.1 针对无人驾驶的安全威胁 160 
10.2 无人驾驶传感器的安全 161 
10.3 无人驾驶操作系统的安全 162 
10.4 无人驾驶控制系统的安全 163 
10.5 车联网通信系统的安全性 165 
10.6 安全模型校验方法 168 
10.7 参考资料 169 
11 基于Spark与ROS的分布式无人驾驶模拟平台 171 
11.1 无人驾驶模拟技术 171 
11.2 基于ROS的无人驾驶模拟器 173 
11.3 基于Spark的分布式的模拟平台 175 
11.4 结论 178 
11.5 参考资料 178 
12 无人驾驶中的高精地图 180 
12.1 电子地图分类 180 
12.2 高精地图的特点 183 
12.3 高精地图的生产 185 
12.4 无人驾驶场景中的应用 188 
12.5 高精地图的现状与结论 190 
12.6 参考资料 191 
13 无人驾驶的未来 192 
13.1 无人驾驶的商业前景 192 .......

视觉SLAM十四讲：从理论到实践

　《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。 

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SLAM 9 
2.1 引子：小萝卜的例子11 
2.2 **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 
2.3 SLAM 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 
2.4.2 Hello SLAM27 
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：Eigen 44 
3.3 旋转向量和欧拉角48 ......

《深度视觉感知：从基础到前沿的智能决策之路》 在人工智能浪潮席卷全球的今天，如何让机器“看懂”世界，并在此基础上做出智能决策，已成为驱动技术革新和社会进步的关键。本书《深度视觉感知：从基础到前沿的智能决策之路》正是致力于探索这一核心命题，它将带领读者踏上一段深入理解和掌握计算机视觉技术，特别是深度学习在视觉感知领域的应用，从而实现高级人工智能的关键旅程。本书并非泛泛而谈，而是聚焦于深度学习与计算机视觉的深度融合，系统性地梳理了从理论基础到前沿实践的全貌，旨在为读者构建一个扎实而全面的知识体系。 本书开篇，我们将从视觉感知的基石——传统计算机视觉技术讲起。虽然深度学习已成为主流，但理解其演进的脉络和经典算法的精髓，对于把握全局、触类旁通至关重要。我们会深入剖析图像处理的基本概念，如滤波、边缘检测、特征提取等，并介绍诸如SIFT、SURF、ORB等经典的局部特征描述符，以及Hough变换、RANSAC等几何变换与鲁棒估计方法。这些经典技术不仅是现代算法的“前身”，在某些特定场景下仍然展现出独特的优势，是理解更复杂算法的必要铺垫。 随后，本书将迎来重头戏——深度学习在视觉感知中的革命性应用。我们将从深度学习的基本原理出发，重点介绍卷积神经网络（CNN）的结构、工作原理以及其在图像识别、物体检测、图像分割等任务中的核心作用。读者将了解AlexNet、VGG、GoogLeNet、ResNet等经典CNN架构的演进，以及它们如何在层层递进的特征提取中，赋予机器“视觉”能力。本书会详细讲解反向传播算法、各种激活函数、优化器（如SGD、Adam）等核心概念，并探讨正则化、数据增强等防止模型过拟合的关键技术。 在物体检测领域，本书将深入探讨YOLO系列、SSD、Faster R-CNN等主流检测框架。我们会解析它们的设计思想，包括锚框机制、多尺度特征融合、非极大值抑制（NMS）等，帮助读者理解如何在复杂的场景中精准地定位并识别出目标。图像分割是另一项关键视觉任务，本书将介绍语义分割、实例分割、全景分割的概念，并深入剖析U-Net、Mask R-CNN等经典模型，展示如何实现像素级别的精细理解。 除了识别和定位，场景理解与三维视觉是人工智能走向更高级智能的关键。本书将专门开辟章节，探讨基于深度学习的场景理解技术。这包括物体关系推理、场景图生成等，旨在让机器不仅“看到”物体，更能理解物体之间的相互作用和场景的整体含义。 在三维视觉方面，本书将重点关注深度学习如何赋能三维重建、点云处理以及姿态估计。我们将介绍从单目或双目图像重建三维场景的技术，如NeRF（神经辐射场）等最新进展。对于点云数据，本书会介绍PointNet、PointNet++等直接处理无序点云的网络结构，以及它们在物体识别、分割等方面的应用。姿态估计，特别是人体姿态估计，将作为具体案例进行深入讲解，介绍其在人机交互、虚拟现实等领域的巨大潜力。 SLAM（同步定位与地图构建）作为机器人和自动驾驶的核心技术，本书将围绕视觉SLAM展开详细论述，并结合深度学习的最新成果。我们将从传统的基于特征点的SLAM算法讲起，解析其核心流程：特征提取与匹配、位姿估计（如PnP、ICP）、回环检测以及地图构建。在此基础上，本书将重点介绍视觉SLAM领域的前沿进展，特别是深度学习如何极大地提升SLAM的鲁棒性、精度和效率。例如，如何利用深度学习进行更准确的特征提取和匹配，如何利用深度网络来估计深度信息，以及如何利用神经网络进行姿态优化和回环检测。本书将深入剖析一些经典和前沿的视觉SLAM框架，并探讨它们在不同应用场景下的优劣。 机器学习在视觉智能中的扮演的角色将贯穿全书。除了作为深度学习的基础，我们还将探讨其他与视觉相关的机器学习技术，如传统分类与回归模型在图像特征上的应用，以及生成模型（如GANs）在图像生成、风格迁移、数据增强等方面的创意应用。读者将理解如何选择合适的机器学习算法来解决特定的视觉问题，并掌握模型的训练、评估与调优技巧。 本书的特色与价值在于其系统性、实践性和前沿性。它不是一本堆砌算法的“百科全书”，而是以“从理论到实践”为主线，层层递进地引导读者理解核心概念。每一部分内容都力求深入浅出，既有严谨的理论推导，又不乏直观的图解和代码示例（虽然本书不包含具体代码，但思路和关键点将清晰呈现，便于读者自行实现）。同时，本书紧跟人工智能的最新研究动态，涵盖了近几年在计算机视觉和深度学习领域取得的突破性进展，为读者指明了未来的发展方向。 本书适合以下读者群体： 对人工智能、计算机视觉和深度学习感兴趣的学生和研究人员：提供扎实的基础理论和前沿的研究思路。 希望将视觉技术应用于实际问题的工程师和开发者：提供解决实际问题的算法原理和技术路线。 寻求在自动驾驶、机器人、AR/VR、图像处理等领域深造的专业人士：构建解决复杂视觉任务所需的关键技能。 阅读本书，您将能够： 深刻理解深度学习模型（尤其是CNN）在处理视觉数据时的内在机制。 掌握从图像识别、物体检测到场景理解、三维重建等核心视觉任务的经典算法和最新方法。 了解视觉SLAM技术的工作原理，并掌握如何利用深度学习提升其性能。 建立将深度学习应用于解决实际视觉问题的信心和能力。 站在AI前沿，洞察计算机视觉领域未来的发展趋势。 《深度视觉感知：从基础到前沿的智能决策之路》将是您探索机器“看见”世界的精彩旅程中，不可或缺的向导。它将带您穿越理论的迷雾，抵达实践的彼岸，最终助力您构建出真正智能的视觉感知系统。

评分☆☆☆☆☆

这套人工智能系列书籍，尤其是《视觉SLAM十四讲：从理论到实践》，绝对是那种能让你“悟”到东西的书。我之前也看过一些SLAM相关的资料，但总是觉得碎片化，缺乏一个清晰的脉络。而《十四讲》恰恰弥补了这一点。它以一种非常有逻辑的方式，将SLAM的整个生命周期，从前端的视觉里程计到后端优化，再到地图管理，一一呈现在读者面前。让我印象深刻的是，作者在讲解过程中，并没有回避那些关键的数学推导，但又处理得恰到好处，让你既能理解背后的原理，又不会被复杂的公式吓倒。书中穿插的许多图示和比喻，更是神来之笔，将抽象的概念变得生动易懂。比如，对于李群李代数的讲解，如果不是读了这本书，我可能永远也绕不进那个弯。而《一本无人驾驶技术书》则像是为你打开了无人驾驶这扇大门，让你看到了SLAM技术在实际应用中的巨大价值和广阔前景。至于《视觉机器学习20讲》，我想它会为我提供更多机器学习的理论基础，让我能够更好地理解和应用SLAM等技术。这三本书的结合，构成了一个完整而深入的人工智能学习路径，我非常看好它们为我带来的知识飞跃。

评分☆☆☆☆☆

这本书的选书眼光我非常赞赏，简直是为我这类希望在人工智能领域有扎实基础的读者精心挑选的。《视觉SLAM十四讲：从理论到实践》这本书，它并没有满足于仅仅介绍算法，而是深入探讨了每一个技术点背后的原理，甚至会追溯到一些基础的数学概念。我曾苦恼于无法理解一些SLAM算法中的数学推导，但在这本书中，作者用非常清晰的逻辑和图示，将这些复杂的内容变得触手可及。它就像一个引路人，带领我一步步揭开SLAM的神秘面纱，让我从“知其然”到“知其所以然”。《一本无人驾驶技术书》的加入，更是让我看到了这些前沿技术在现实世界中的巨大潜力，让我对未来科技的发展有了更深刻的认识和更清晰的规划。而《视觉机器学习20讲》则为我提供了更广泛的人工智能知识图谱，尤其是其在视觉领域的应用，我相信这将与SLAM技术形成强大的互补，帮助我构建起一套完整的人工智能知识体系。这套书的组合，无疑为我打开了一扇通往人工智能领域的大门，让我充满了学习和探索的动力。

评分☆☆☆☆☆

我一直对人工智能的“眼睛”——视觉感知技术——非常着迷，而这套书的组合《一本无人驾驶技术书》+《视觉SLAM十四讲：从理论到实践》+《视觉机器学习20讲》简直是为我这样的技术爱好者准备的。尤其是《视觉SLAM十四讲》，它将SLAM这个听起来高大上的概念，拆解成了20个通俗易懂的讲座。从最基本的POV-SLAM，到更复杂的图优化SLAM，这本书几乎涵盖了视觉SLAM的所有核心技术点。作者的叙述风格非常幽默且富有感染力，读起来一点都不枯燥。我特别喜欢书中的一些“彩蛋”部分，比如关于“概率机器人”的一些介绍，以及对开源库的讲解，这让我感觉自己不仅仅是在学习理论，更是在与这个领域的前辈们进行交流。而《一本无人驾驶技术书》则让我看到了这些理论知识如何转化为现实世界的应用，那些无人车在道路上自主行驶的画面，让我充满了对未来的憧憬。最后，《视觉机器学习20讲》则是一本强大的理论工具箱，相信它会帮助我更好地理解和优化视觉SLAM算法，从而在人工智能领域走得更远。

评分☆☆☆☆☆

作为一名有着一定编程基础，但对人工智能领域还相对陌生的开发者，我发现这套书为我提供了一个绝佳的学习平台。《视觉SLAM十四讲：从理论到实践》这本书，我最欣赏它的就是那种“循序渐进”的学习节奏。它不会上来就抛出高深的算法，而是先从最基础的相机模型、图像采集开始，一步一步引导你进入SLAM的世界。书中对于特征点提取、描述、匹配等关键环节的讲解，都非常细致，甚至会提到不同算法的优缺点，这对于理解技术演进非常有帮助。而“从理论到实践”的副标题更是点睛之笔，作者鼓励读者去动手实现，这对于我们这些喜欢“动手派”的学习者来说，简直是福音。我甚至能在书中找到代码片段，这大大降低了学习门槛。配合《一本无人驾驶技术书》，我能够更直观地看到SLAM技术在实际的自动驾驶场景中是如何发挥作用的，这让我对技术的理解更加立体。而《视觉机器学习20讲》则为我提供了更深厚的机器学习理论支撑，我相信，掌握了这套书，我将能更自信地投身到人工智能相关的项目中去。

评分☆☆☆☆☆

这本书简直是为我量身定做的！作为一名对人工智能领域充满好奇但又缺乏系统知识的初学者，我一直在寻找一本能真正带我入门的书籍。当我看到这套书的组合——《一本无人驾驶技术书》、《视觉SLAM十四讲：从理论到实践》以及《视觉机器学习20讲》——我立刻被吸引了。特别是《视觉SLAM十四讲》，它深入浅出的讲解方式，让我这个之前对SLAM一无所知的人，也能逐步理解其核心概念和技术原理。作者并没有直接丢给我一堆复杂的公式，而是从最基础的相机模型、图像处理讲起，然后逐步过渡到特征提取、匹配、姿态估计，最后是地图构建和回环检测。每一步都讲解得非常透彻，并且提供了大量的伪代码和实际案例，让我能够边学边练。更重要的是，这本书的“从理论到实践”的定位非常精准，它不会让你停留在纯粹的理论层面，而是鼓励你去动手实现，去感受算法的魅力。在我看来，这套书的价值不仅在于知识的传授，更在于它点燃了我深入探索人工智能的激情。我迫不及待地想继续学习剩下的两本书，相信它们也能给我带来同样精彩的学习体验，让我对人工智能的理解更上一层楼。