簡體網頁||繁體網頁

☆☆☆☆☆

圖書標籤:

• 無人駕駛
• 自動駕駛
• SLAM
• 視覺SLAM
• 計算機視覺
• 機器學習
• 人工智能
• 深度學習
• 機器人
• 算法

店鋪： 曠氏文豪圖書專營店

齣版社： 暫無

ISBN：9787121313554

商品編碼：12879190852

9787302397922 9787121313554 9787121311048

視覺機器學習20講

《視覺機器學習20講》是計算機、自動化、信息、電子與通信學科方嚮的專著，詳盡地介紹瞭K-Means、KNN學習、迴歸學習、決策樹學習、RandomForest、貝葉斯學習、EM算法、Adaboost、SVM方法、增強學習、流形學習、RBF學習、稀疏錶示、字典學習、BP學習、CNN學習、RBM學習、深度學習、遺傳算法、蟻群方法等基本理論；深入闡述瞭視覺機器學習算法的優化方法和實驗仿真；係統地總結瞭其優點和不足。
　　本書特彆重視如何將視覺機器學習算法的理論和實踐有機地結閤，解決視覺機器學習領域中的諸多基礎問題，可應用於醫學圖像分析、工業自動化、機器人、無人車、人臉檢測與識彆、車輛信息識彆、行為檢測與識彆、智能視頻監控等。本書特彆重視算法的典型性和可實現性，既包含本領域的**算法，也包含本領域的研究成果。
　　本書不僅可作為高年級本科生與研究生教材，而且也是從事視覺機器學習領域研發極為有用的參考資料。

緒論
第1講 K-means
1.1 基本原理
1.2 算法改進
1.3 仿真實驗
1.4 算法特點
第 2 講 KNN學習
2.1 基本原理
2.2 算法改進
2.3 仿真實驗
2.4 算法特點
第 3 講 迴歸學習
3.1 基本原理
3.1.1 參數迴歸
3.1.2 非參數迴歸
3.1.3 半參數迴歸
3.2 算法改進
3.2.1 綫性迴歸模型
3.2.2 多項式迴歸模型
3.2.3 主成分迴歸模型
3.2.4 自迴歸模型

......

*一本無人駕駛技術書

無人駕駛是一個復雜的係統，涉及的技術點種類多且跨度大，入門者常常不知從何入手。本書首先宏觀地呈現瞭無人駕駛的整體技術架構，概述瞭無人駕駛中涉及的各個技術點。在讀者對無人駕駛技術有瞭宏觀認識後，本書深入淺齣地講解瞭無人駕駛定位導航、感知、決策與控製等算法，深度學習在無人駕駛中的應用，無人駕駛係統軟件和硬件平颱，無人駕駛安全及無人駕駛雲平颱等多個主要技術點。本書的作者都是無人駕駛行業的從業者與研究人員，有著多年無人駕駛及人工智能技術的實戰經驗。 
　　本書從實用的角度齣發，以期幫助對無人駕駛技術感興趣的從業者與相關人士實現對無人駕駛行業的快速入門，以及對無人駕駛技術的深度理解與應用實踐。 

1 無人車：正在開始的未來 1 
1.1 正在走來的無人駕駛 2 
1.2 自動駕駛的分級 4 
1.3 無人駕駛係統簡介 7 
1.4 序幕剛啓 18 
1.5 參考資料 18 
2 光學雷達在無人駕駛技術中的應用 21 
2.1 無人駕駛技術簡介 21 
2.2 光學雷達基礎知識 22 
2.3 LiDAR在無人駕駛技術中的應用領域 24 
2.4 LiDAR技術麵臨的挑戰 26 
2.5 展望未來 28 
2.6 參考資料 28 
3 GPS及慣性傳感器在無人駕駛中的應用 30 
3.1 無人駕駛定位技術 30 
3.2 GPS簡介 31 
3.3 慣性傳感器簡介 34 
3.4 GPS和慣性傳感器的融閤 36 
3.5 結論 37 
3.6 參考資料 38 
4 基於計算機視覺的無人駕駛感知係統 39 
4.1 無人駕駛的感知 39 
4.3 計算機視覺能幫助無人車輛解決的問題 42 
4.4 Optical Flow和立體視覺 43 
4.5 物體的識彆與追蹤 45 
4.6 視覺裏程計算法 47 
4.7 結論 48 
4.8 參考資料 49 
5 捲積神經網絡在無人駕駛中的應用 50 
5.1 CNN簡介 50 
5.2 無人駕駛雙目3D感知 51 
5.3 無人駕駛物體檢測 54 
5.4 結論 59 
5.5 參考資料 59 
6 增強學習在無人駕駛中的應用 61 
6.1 增強學習的簡介 61 
6.2 增強學習算法 63 
6.3 使用增強學習幫助決策 68 
6.4 無人駕駛的決策介紹 70 
6.5 參考資料 74 
7 無人駕駛的規劃與控製 75 
7.1 規劃與控製簡介 75 
7.2 路由尋徑 77 
7.3 行為決策 84 
7.4 動作規劃 93 
7.5 反饋控製 102 
7.6 無人車規劃控製結語 105 
7.7 參考資料 106 
8 基於ROS的無人駕駛係統 108 
8.1 無人駕駛：多種技術的集成 108 
8.2 機器人操作係統（ROS）簡介 110 
8.3 係統可靠性 115 
8.4 係統通信性能提升 116 
8.5 係統資源管理與安全性 117 
8.6 結論 118 
8.7 參考資料 118 
9 無人駕駛的硬件平颱 120 
9.1 無人駕駛：復雜係統 120 
9.2 傳感器平颱 121 
9.3 計算平颱 140 
9.4 控製平颱 150 
9.5 結論 157 
9.6 參考資料 158 
10 無人駕駛係統安全 160 
10.1 針對無人駕駛的安全威脅 160 
10.2 無人駕駛傳感器的安全 161 
10.3 無人駕駛操作係統的安全 162 
10.4 無人駕駛控製係統的安全 163 
10.5 車聯網通信係統的安全性 165 
10.6 安全模型校驗方法 168 
10.7 參考資料 169 
11 基於Spark與ROS的分布式無人駕駛模擬平颱 171 
11.1 無人駕駛模擬技術 171 
11.2 基於ROS的無人駕駛模擬器 173 
11.3 基於Spark的分布式的模擬平颱 175 
11.4 結論 178 
11.5 參考資料 178 
12 無人駕駛中的高精地圖 180 
12.1 電子地圖分類 180 
12.2 高精地圖的特點 183 
12.3 高精地圖的生産 185 
12.4 無人駕駛場景中的應用 188 
12.5 高精地圖的現狀與結論 190 
12.6 參考資料 191 
13 無人駕駛的未來 192 
13.1 無人駕駛的商業前景 192 .......

視覺SLAM十四講：從理論到實踐

　《視覺SLAM十四講：從理論到實踐》係統介紹瞭視覺SLAM（同時定位與地圖構建）所需的基本知識與核心算法，既包括數學理論基礎，如三維空間的剛體運動、非綫性優化，又包括計算機視覺的算法實現，例如多視圖幾何、迴環檢測等。此外，還提供瞭大量的實例代碼供讀者學習研究，從而更深入地掌握這些內容。 
　　《視覺SLAM十四講：從理論到實踐》可以作為對SLAM感興趣的研究人員的入門自學材料，也可以作為SLAM相關的高校本科生或研究生課程教材使用。 

第1 講預備知識 1 
1.1 本書講什麼1 
1.2 如何使用本書3 
1.2.1 組織方式3 
1.2.2 代碼5 
1.2.3 麵嚮的讀者6 
1.3 風格約定6 
1.4 緻謝和聲明7 
第2 講初識SLAM 9 
2.1 引子：小蘿蔔的例子11 
2.2 **視覺SLAM 框架17 
2.2.1 視覺裏程計17 
2.2.2 後端優化19 
2.2.3 迴環檢測20 
2.2.4 建圖21 
2.3 SLAM 問題的數學錶述22 
2.4 實踐：編程基礎 25 
2.4.1 安裝Linux 操作係統25 
2.4.2 Hello SLAM27 
2.4.3 使用cmake28 
2.4.4 使用庫30 
2.4.5 使用IDE32 
第3 講三維空間剛體運動37 
3.1 鏇轉矩陣39 
3.1.1 點和嚮量，坐標係39 
3.1.2 坐標係間的歐氏變換40 
3.1.3 變換矩陣與齊次坐標42 
3.2 實踐：Eigen 44 
3.3 鏇轉嚮量和歐拉角48 ......

《深度視覺感知：從基礎到前沿的智能決策之路》 在人工智能浪潮席捲全球的今天，如何讓機器“看懂”世界，並在此基礎上做齣智能決策，已成為驅動技術革新和社會進步的關鍵。本書《深度視覺感知：從基礎到前沿的智能決策之路》正是緻力於探索這一核心命題，它將帶領讀者踏上一段深入理解和掌握計算機視覺技術，特彆是深度學習在視覺感知領域的應用，從而實現高級人工智能的關鍵旅程。本書並非泛泛而談，而是聚焦於深度學習與計算機視覺的深度融閤，係統性地梳理瞭從理論基礎到前沿實踐的全貌，旨在為讀者構建一個紮實而全麵的知識體係。 本書開篇，我們將從視覺感知的基石——傳統計算機視覺技術講起。雖然深度學習已成為主流，但理解其演進的脈絡和經典算法的精髓，對於把握全局、觸類旁通至關重要。我們會深入剖析圖像處理的基本概念，如濾波、邊緣檢測、特徵提取等，並介紹諸如SIFT、SURF、ORB等經典的局部特徵描述符，以及Hough變換、RANSAC等幾何變換與魯棒估計方法。這些經典技術不僅是現代算法的“前身”，在某些特定場景下仍然展現齣獨特的優勢，是理解更復雜算法的必要鋪墊。 隨後，本書將迎來重頭戲——深度學習在視覺感知中的革命性應用。我們將從深度學習的基本原理齣發，重點介紹捲積神經網絡（CNN）的結構、工作原理以及其在圖像識彆、物體檢測、圖像分割等任務中的核心作用。讀者將瞭解AlexNet、VGG、GoogLeNet、ResNet等經典CNN架構的演進，以及它們如何在層層遞進的特徵提取中，賦予機器“視覺”能力。本書會詳細講解反嚮傳播算法、各種激活函數、優化器（如SGD、Adam）等核心概念，並探討正則化、數據增強等防止模型過擬閤的關鍵技術。 在物體檢測領域，本書將深入探討YOLO係列、SSD、Faster R-CNN等主流檢測框架。我們會解析它們的設計思想，包括錨框機製、多尺度特徵融閤、非極大值抑製（NMS）等，幫助讀者理解如何在復雜的場景中精準地定位並識彆齣目標。圖像分割是另一項關鍵視覺任務，本書將介紹語義分割、實例分割、全景分割的概念，並深入剖析U-Net、Mask R-CNN等經典模型，展示如何實現像素級彆的精細理解。 除瞭識彆和定位，場景理解與三維視覺是人工智能走嚮更高級智能的關鍵。本書將專門開闢章節，探討基於深度學習的場景理解技術。這包括物體關係推理、場景圖生成等，旨在讓機器不僅“看到”物體，更能理解物體之間的相互作用和場景的整體含義。 在三維視覺方麵，本書將重點關注深度學習如何賦能三維重建、點雲處理以及姿態估計。我們將介紹從單目或雙目圖像重建三維場景的技術，如NeRF（神經輻射場）等最新進展。對於點雲數據，本書會介紹PointNet、PointNet++等直接處理無序點雲的網絡結構，以及它們在物體識彆、分割等方麵的應用。姿態估計，特彆是人體姿態估計，將作為具體案例進行深入講解，介紹其在人機交互、虛擬現實等領域的巨大潛力。 SLAM（同步定位與地圖構建）作為機器人和自動駕駛的核心技術，本書將圍繞視覺SLAM展開詳細論述，並結閤深度學習的最新成果。我們將從傳統的基於特徵點的SLAM算法講起，解析其核心流程：特徵提取與匹配、位姿估計（如PnP、ICP）、迴環檢測以及地圖構建。在此基礎上，本書將重點介紹視覺SLAM領域的前沿進展，特彆是深度學習如何極大地提升SLAM的魯棒性、精度和效率。例如，如何利用深度學習進行更準確的特徵提取和匹配，如何利用深度網絡來估計深度信息，以及如何利用神經網絡進行姿態優化和迴環檢測。本書將深入剖析一些經典和前沿的視覺SLAM框架，並探討它們在不同應用場景下的優劣。 機器學習在視覺智能中的扮演的角色將貫穿全書。除瞭作為深度學習的基礎，我們還將探討其他與視覺相關的機器學習技術，如傳統分類與迴歸模型在圖像特徵上的應用，以及生成模型（如GANs）在圖像生成、風格遷移、數據增強等方麵的創意應用。讀者將理解如何選擇閤適的機器學習算法來解決特定的視覺問題，並掌握模型的訓練、評估與調優技巧。 本書的特色與價值在於其係統性、實踐性和前沿性。它不是一本堆砌算法的“百科全書”，而是以“從理論到實踐”為主綫，層層遞進地引導讀者理解核心概念。每一部分內容都力求深入淺齣，既有嚴謹的理論推導，又不乏直觀的圖解和代碼示例（雖然本書不包含具體代碼，但思路和關鍵點將清晰呈現，便於讀者自行實現）。同時，本書緊跟人工智能的最新研究動態，涵蓋瞭近幾年在計算機視覺和深度學習領域取得的突破性進展，為讀者指明瞭未來的發展方嚮。 本書適閤以下讀者群體： 對人工智能、計算機視覺和深度學習感興趣的學生和研究人員：提供紮實的基礎理論和前沿的研究思路。 希望將視覺技術應用於實際問題的工程師和開發者：提供解決實際問題的算法原理和技術路綫。 尋求在自動駕駛、機器人、AR/VR、圖像處理等領域深造的專業人士：構建解決復雜視覺任務所需的關鍵技能。 閱讀本書，您將能夠： 深刻理解深度學習模型（尤其是CNN）在處理視覺數據時的內在機製。 掌握從圖像識彆、物體檢測到場景理解、三維重建等核心視覺任務的經典算法和最新方法。 瞭解視覺SLAM技術的工作原理，並掌握如何利用深度學習提升其性能。 建立將深度學習應用於解決實際視覺問題的信心和能力。 站在AI前沿，洞察計算機視覺領域未來的發展趨勢。 《深度視覺感知：從基礎到前沿的智能決策之路》將是您探索機器“看見”世界的精彩旅程中，不可或缺的嚮導。它將帶您穿越理論的迷霧，抵達實踐的彼岸，最終助力您構建齣真正智能的視覺感知係統。

評分☆☆☆☆☆

我一直對人工智能的“眼睛”——視覺感知技術——非常著迷，而這套書的組閤《一本無人駕駛技術書》+《視覺SLAM十四講：從理論到實踐》+《視覺機器學習20講》簡直是為我這樣的技術愛好者準備的。尤其是《視覺SLAM十四講》，它將SLAM這個聽起來高大上的概念，拆解成瞭20個通俗易懂的講座。從最基本的POV-SLAM，到更復雜的圖優化SLAM，這本書幾乎涵蓋瞭視覺SLAM的所有核心技術點。作者的敘述風格非常幽默且富有感染力，讀起來一點都不枯燥。我特彆喜歡書中的一些“彩蛋”部分，比如關於“概率機器人”的一些介紹，以及對開源庫的講解，這讓我感覺自己不僅僅是在學習理論，更是在與這個領域的前輩們進行交流。而《一本無人駕駛技術書》則讓我看到瞭這些理論知識如何轉化為現實世界的應用，那些無人車在道路上自主行駛的畫麵，讓我充滿瞭對未來的憧憬。最後，《視覺機器學習20講》則是一本強大的理論工具箱，相信它會幫助我更好地理解和優化視覺SLAM算法，從而在人工智能領域走得更遠。

評分☆☆☆☆☆

這本書簡直是為我量身定做的！作為一名對人工智能領域充滿好奇但又缺乏係統知識的初學者，我一直在尋找一本能真正帶我入門的書籍。當我看到這套書的組閤——《一本無人駕駛技術書》、《視覺SLAM十四講：從理論到實踐》以及《視覺機器學習20講》——我立刻被吸引瞭。特彆是《視覺SLAM十四講》，它深入淺齣的講解方式，讓我這個之前對SLAM一無所知的人，也能逐步理解其核心概念和技術原理。作者並沒有直接丟給我一堆復雜的公式，而是從最基礎的相機模型、圖像處理講起，然後逐步過渡到特徵提取、匹配、姿態估計，最後是地圖構建和迴環檢測。每一步都講解得非常透徹，並且提供瞭大量的僞代碼和實際案例，讓我能夠邊學邊練。更重要的是，這本書的“從理論到實踐”的定位非常精準，它不會讓你停留在純粹的理論層麵，而是鼓勵你去動手實現，去感受算法的魅力。在我看來，這套書的價值不僅在於知識的傳授，更在於它點燃瞭我深入探索人工智能的激情。我迫不及待地想繼續學習剩下的兩本書，相信它們也能給我帶來同樣精彩的學習體驗，讓我對人工智能的理解更上一層樓。

評分☆☆☆☆☆

這套人工智能係列書籍，尤其是《視覺SLAM十四講：從理論到實踐》，絕對是那種能讓你“悟”到東西的書。我之前也看過一些SLAM相關的資料，但總是覺得碎片化，缺乏一個清晰的脈絡。而《十四講》恰恰彌補瞭這一點。它以一種非常有邏輯的方式，將SLAM的整個生命周期，從前端的視覺裏程計到後端優化，再到地圖管理，一一呈現在讀者麵前。讓我印象深刻的是，作者在講解過程中，並沒有迴避那些關鍵的數學推導，但又處理得恰到好處，讓你既能理解背後的原理，又不會被復雜的公式嚇倒。書中穿插的許多圖示和比喻，更是神來之筆，將抽象的概念變得生動易懂。比如，對於李群李代數的講解，如果不是讀瞭這本書，我可能永遠也繞不進那個彎。而《一本無人駕駛技術書》則像是為你打開瞭無人駕駛這扇大門，讓你看到瞭SLAM技術在實際應用中的巨大價值和廣闊前景。至於《視覺機器學習20講》，我想它會為我提供更多機器學習的理論基礎，讓我能夠更好地理解和應用SLAM等技術。這三本書的結閤，構成瞭一個完整而深入的人工智能學習路徑，我非常看好它們為我帶來的知識飛躍。

評分☆☆☆☆☆

作為一名有著一定編程基礎，但對人工智能領域還相對陌生的開發者，我發現這套書為我提供瞭一個絕佳的學習平颱。《視覺SLAM十四講：從理論到實踐》這本書，我最欣賞它的就是那種“循序漸進”的學習節奏。它不會上來就拋齣高深的算法，而是先從最基礎的相機模型、圖像采集開始，一步一步引導你進入SLAM的世界。書中對於特徵點提取、描述、匹配等關鍵環節的講解，都非常細緻，甚至會提到不同算法的優缺點，這對於理解技術演進非常有幫助。而“從理論到實踐”的副標題更是點睛之筆，作者鼓勵讀者去動手實現，這對於我們這些喜歡“動手派”的學習者來說，簡直是福音。我甚至能在書中找到代碼片段，這大大降低瞭學習門檻。配閤《一本無人駕駛技術書》，我能夠更直觀地看到SLAM技術在實際的自動駕駛場景中是如何發揮作用的，這讓我對技術的理解更加立體。而《視覺機器學習20講》則為我提供瞭更深厚的機器學習理論支撐，我相信，掌握瞭這套書，我將能更自信地投身到人工智能相關的項目中去。

評分☆☆☆☆☆

這本書的選書眼光我非常贊賞，簡直是為我這類希望在人工智能領域有紮實基礎的讀者精心挑選的。《視覺SLAM十四講：從理論到實踐》這本書，它並沒有滿足於僅僅介紹算法，而是深入探討瞭每一個技術點背後的原理，甚至會追溯到一些基礎的數學概念。我曾苦惱於無法理解一些SLAM算法中的數學推導，但在這本書中，作者用非常清晰的邏輯和圖示，將這些復雜的內容變得觸手可及。它就像一個引路人，帶領我一步步揭開SLAM的神秘麵紗，讓我從“知其然”到“知其所以然”。《一本無人駕駛技術書》的加入，更是讓我看到瞭這些前沿技術在現實世界中的巨大潛力，讓我對未來科技的發展有瞭更深刻的認識和更清晰的規劃。而《視覺機器學習20講》則為我提供瞭更廣泛的人工智能知識圖譜，尤其是其在視覺領域的應用，我相信這將與SLAM技術形成強大的互補，幫助我構建起一套完整的人工智能知識體係。這套書的組閤，無疑為我打開瞭一扇通往人工智能領域的大門，讓我充滿瞭學習和探索的動力。