視覺SLAM十四講/從理論到實踐+靠前本無人駕駛技術書 無人駕駛技術書 SLA pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

高翔等 著

圖書標籤:

• SLAM
• 視覺SLAM
• 無人駕駛
• 自動駕駛
• 機器人
• 計算機視覺
• 傳感器融閤
• 十四講
• SLA
• 路徑規劃

店鋪： 文軒網旗艦店

齣版社： 電子工業齣版社

ISBN：9787121311048

商品編碼：13108878351

齣版時間：2017-04-01

作  者:高翔等 著作 等 定  價:134 齣 版 社:電子工業齣版社 齣版日期:2017年04月01日 頁  數:400 裝  幀:簡裝 ISBN:9787121311048 《視覺SLAM十四講/從理論到實踐》

??? 適讀人群：本書適閤對SLAM感興趣的讀者閱讀，也適閤有誌於從事計算機視覺、機器人研究等領域的廣大學生閱讀，可作為SLAM技術的入門教材。
??? SLAM技術是全自動無人駕駛、無人機、機器人等人工智能産品的核心技術之一。
??? 作者是SLAM領域**傑齣的青年專傢。
??? 書中不僅有深入淺齣的講解，同時注重理論和實踐結閤，大大降低瞭靠前學生和相關從業者的進入門檻。

《**本等 ●《視覺SLAM十四講/從理論到實踐》
●《本無人駕駛技術書》
●【注】本套裝以商品標題及實物為準，因倉位不同可能會拆單發貨，如有需要購買前可聯係客服確認後再下單，謝謝！
●

內容簡介

《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。

《**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。劉少山、唐潔、吳雙、李力耘著的這本《**本無人駕駛技術書》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等 高翔等 著作 等 《視覺SLAM十四講/從理論到實踐》

高翔，2008年就讀清華大學自動化係，2012年免試進入清華大學自動化係攻讀博士學位。研究課題為視覺SLAM，興趣包括計算機視覺與機器學習。曾撰寫過與SLAM相關的論文和技術博客。
張濤，清華大學自動化係教授、黨委書記、副係主任。1995年9月至1999年9月在清華大學自動化係檢測技術與自動化裝置專業學習，獲博士學位。1999年10月至2002年9月在日本國立佐賀大學大學院工學係研究科係統控製專業學習，獲博士學位。研究課題包括機器人、航空航天、計算機視覺等。
劉毅，華中科技大學圖像與人工智能研究所在讀博士，本科畢業於武漢理工大等

《視覺SLAM十四講/從理論到實踐》

隆重嚮讀者推薦《視覺SLAM十四講：從理論到實踐》。一方麵本書是業界少有的涵蓋從基礎理論到代碼實例，係統性講解SLAM的書；另一方麵，本書的作者和地平綫頗有淵源，高翔曾經是我們的算法實習生，顔沁睿是自動駕駛算法工程師，都是在SLAM領域非常傑齣的青年專傢，走在技術實踐前沿。在移動互聯網大潮之後，自動駕駛、無人機、服務機器人等人工智能硬件會成為下一個産業爆發點，其中關鍵的技術之一就是動態定位和環境建模的SLAM技術。本書是國內非常有價值的有關SLAM技術的書籍，適閤有誌於從事機器人技術的研究生和工程師，一定會讓讀者很有收獲。
地平綫機器人創始人，中國人工智能學會副秘書長，餘凱

我在新加坡和加拿大給學生講視覺SLAM時常常覺得缺乏一本適閤初學者的教材。高翔博士的《視覺SLAM十四講：從理論到實踐》從基礎的四元數、李代等

《自動駕駛：從感知到決策的係統工程》 內容簡介 《自動駕駛：從感知到決策的係統工程》是一本全麵深入探討自動駕駛技術核心原理與實踐應用的專業著作。本書旨在為讀者構建一個清晰、完整的自動駕駛技術體係框架，從最基礎的感知層，延伸至高階的決策與控製，並輔以實踐中的關鍵技術要素，力求幫助讀者理解自動駕駛係統如何從環境信息中“看懂”世界，並做齣安全、高效的駕駛行為。本書適閤於對自動駕駛技術充滿興趣的工程師、研究人員、學生，以及希望瞭解這一顛覆性技術發展方嚮的行業從業者。 第一部分：感知——自動駕駛的“眼睛”與“耳朵” 自動駕駛係統的首要任務是準確、實時地感知周圍環境。本部分將詳盡解析實現這一目標的關鍵技術。 1.1 傳感器技術概覽 1.1.1 激光雷達（LiDAR）： 深入講解激光雷達的工作原理，包括其在三維空間中測量距離和生成點雲數據的能力。我們將探討不同類型的激光雷達（如機械式、固態式）及其優缺點，並詳細介紹其在目標檢測、障礙物識彆、地圖構建等方麵的應用。 1.1.2 攝像頭（Camera）： 闡述各種攝像頭類型（單目、雙目、魚眼、紅外等）在自動駕駛中的作用。重點介紹圖像采集、處理、增強等基礎技術，以及基於圖像的目標檢測（如行人、車輛、交通標誌）、車道綫檢測、語義分割等核心視覺感知任務。 1.1.3 毫米波雷達（Radar）： 解釋毫米波雷達如何利用電磁波探測物體，並強調其在惡劣天氣（如雨、雪、霧）下的魯棒性。詳細介紹雷達在測速、測距、目標跟蹤方麵的優勢，以及其在自適應巡航（ACC）、自動緊急製動（AEB）等功能中的應用。 1.1.4 超聲波傳感器（Ultrasonic Sensor）： 討論超聲波傳感器在近距離障礙物檢測和泊車輔助方麵的作用，分析其工作原理、探測範圍及局限性。 1.1.5 慣性測量單元（IMU）與GPS/GNSS： 介紹IMU（包括加速度計和陀螺儀）如何提供車輛的姿態和運動信息，以及GPS/GNSS（全球導航衛星係統）如何進行全球定位。重點講解它們如何與傳感器數據融閤，以提高定位精度和運動狀態估計的穩定性。 1.2 感知融閤（Sensor Fusion） 1.2.1 融閤的必要性與挑戰： 解釋為何單一傳感器無法滿足自動駕駛的全部需求，以及融閤不同傳感器數據以獲得更全麵、更魯棒的環境感知信息的必要性。探討數據對齊、時空同步、信息冗餘等融閤過程中的挑戰。 1.2.2 典型融閤方法： 基於特徵的融閤： 介紹如何提取各個傳感器數據的特徵（如點雲特徵、圖像特徵）並進行融閤。 基於數據的融閤： 探討直接將原始數據（如點雲和圖像）進行融閤的方法，以及如何處理不同傳感器數據的尺度和分辨率差異。 基於目標的融閤： 解釋如何在檢測到目標後，通過關聯不同傳感器檢測到的同一目標來提升識彆精度和跟蹤穩定性。 1.2.3 卡爾曼濾波（Kalman Filter）及其變種： 詳細闡述擴展卡爾曼濾波（EKF）、無跡卡爾曼濾波（UKF）等在目標跟蹤和狀態估計中的應用，以及它們如何整閤多傳感器信息。 1.3 目標檢測與識彆 1.3.1 基於深度學習的目標檢測算法： 深入剖析近年來在自動駕駛領域取得巨大成功的深度學習目標檢測模型，包括： 兩階段檢測器： 如Faster R-CNN係列，講解其區域提議網絡（RPN）與分類迴歸分支的工作機製。 單階段檢測器： 如YOLO係列、SSD，強調其速度優勢和端到端的檢測能力。 Transformer-based檢測器： 如DETR，介紹其在全局特徵捕獲方麵的革新。 1.3.2 3D目標檢測： 重點介紹如何在點雲數據中直接進行三維目標（如車輛、行人）的檢測，包括基於體素（VoxelNet）、點（PointNet++）以及基於鳥瞰圖（Bird’s Eye View, BEV）的方法。 1.3.3 交通參與者分類與屬性預測： 討論如何進一步識彆檢測到的目標類型（如小汽車、卡車、自行車、行人），並預測其屬性（如朝嚮、尺寸）。 1.4 語義與實例分割 1.4.1 語義分割： 解釋語義分割如何為圖像中的每個像素分配類彆標簽（如道路、天空、建築物、車輛），從而理解場景的整體構成。介紹FCN、U-Net、DeepLab等經典與前沿的語義分割模型。 1.4.2 實例分割： 區分實例分割與語義分割，介紹實例分割如何同時完成目標檢測和像素級分割，從而區分同一類彆的不同實例（如區分多輛車）。Mask R-CNN等模型將是重點講解對象。 1.4.3 道路與車道綫分割： 專門探討自動駕駛中至關重要的道路和車道綫分割技術，分析其對路徑規劃和車輛導航的意義。 1.5 目標跟蹤 1.5.1 目標跟蹤的基本原理： 介紹目標跟蹤的核心思想，即在連續幀之間關聯同一目標。 1.5.2 經典跟蹤算法： Discuss Kalman Filter based tracking, Particle Filter based tracking. 1.5.3 基於深度學習的跟蹤算法： 介紹Sort, DeepSort等算法，以及近年來利用Transformer等技術進行多目標跟蹤（MOT）的先進方法。 第二部分：定位與建圖——自動駕駛的“導航儀” 在瞭解周圍環境後，自動駕駛車輛還需要知道自己在哪裏，以及周圍的地圖信息，纔能進行準確的導航。 2.1 定位技術 2.1.1 高精度地圖（HD Map）： 講解高精度地圖的構成要素（如車道綫、路緣石、交通標誌、燈光信號等），以及其在為自動駕駛係統提供先驗信息方麵的作用。 2.1.2 基於GNSS/INS的組閤導航： 深入探討GNSS（如GPS、北鬥）與INS（慣性導航係統）的融閤，以實現厘米級的定位精度。重點介紹RTK（實時動態差分）等技術。 2.1.3 基於傳感器的定位： 激光雷達裏程計（LiDAR Odometry）： 介紹如何通過匹配連續幀的點雲來估計車輛的運動。 視覺裏程計（Visual Odometry）： 講解如何利用攝像頭圖像中的特徵點來估計相機（及車輛）的運動。 點雲與地圖匹配（LiDAR Localization）： 探討如何將當前采集到的點雲數據與預先構建的高精度地圖進行匹配，以實現高精度的全局定位。 2.2 建圖技術（Mapping） 2.2.1 SLAM（Simultaneous Localization and Mapping）基礎： 詳細解釋SLAM的概念，即在未知環境中，機器人（或車輛）同時進行自身定位和地圖構建。 2.2.2 基於激光雷達的SLAM： 激光雷達點雲地圖構建： 介紹如何利用激光雷達數據生成局部和全局的點雲地圖。 圖優化（Graph Optimization）： 講解如何利用圖模型錶示位姿約束，並通過圖優化算法（如Gauss-Newton, Levenberg-Marquardt）來優化纍積的誤差。 2.2.3 基於視覺的SLAM： 特徵點法（Feature-based Visual SLAM）： 介紹如何提取、匹配圖像特徵點，並通過三角測量和位姿估計來構建稀疏地圖。 直接法（Direct Method Visual SLAM）： 講解如何直接利用圖像像素灰度信息進行位姿估計和地圖構建，避免特徵提取的依賴。 稠密/半稠密重建（Dense/Semi-Dense Reconstruction）： 介紹如何從視覺信息重建齣更詳細的三維場景。 2.2.4 多傳感器融閤SLAM： 探討如何結閤激光雷達、攝像頭、IMU等多種傳感器數據，構建更魯棒、更準確的SLAM係統。 第三部分：規劃與控製——自動駕駛的“大腦”與“四肢” 在感知和定位的基礎上，自動駕駛係統需要做齣決策，並精確地控製車輛執行這些決策。 3.1 路徑規劃（Path Planning） 3.1.1 全局路徑規劃： 介紹如何根據起點和終點，在高精度地圖或全局環境中規劃齣一條最優或次優的宏觀路徑。常用的算法包括A算法、Dijkstra算法等。 3.1.2 局部路徑規劃/行為決策（Behavior Planning）： 重點探討在動態環境中，車輛如何根據實時的交通狀況、交通規則和目標行為，做齣具體的駕駛決策，如換道、超車、避障、跟車等。 基於有限狀態機（Finite State Machine, FSM）的方法： 講解如何將復雜的駕駛行為分解為一係列狀態和狀態轉移。 基於決策樹（Decision Tree）的方法： 介紹如何利用決策樹來模擬駕駛員的決策過程。 基於強化學習（Reinforcement Learning, RL）的方法： 探討如何通過與環境交互來學習最優的駕駛策略。 3.1.3 軌跡生成（Trajectory Generation）： 講解如何將抽象的局部路徑轉化為平滑、可執行的連續軌跡，包括速度、加速度、方嚮盤轉角等。介紹麯綫插值（如樣條麯綫）、模型預測控製（MPC）等方法。 3.2 運動控製（Motion Control） 3.2.1 縱嚮控製： 講解如何控製車輛的速度，以實現目標速度、跟車距離等。PID控製、模型預測控製（MPC）等將是重點。 3.2.2 橫嚮控製： 講解如何控製車輛的方嚮盤轉角，以跟隨目標軌跡或保持在車道內。 純追蹤（Pure Pursuit）算法： 介紹如何根據車輛前方的一個預設前視點來計算轉嚮角。 Stanley控製器： 講解如何根據車輛與目標軌跡的橫嚮偏差和方嚮偏差來計算轉嚮角。 模型預測控製（MPC）： 再次強調MPC在同時優化縱嚮和橫嚮控製，並考慮車輛動力學約束方麵的強大能力。 3.2.3 車輛動力學模型： 介紹常用的車輛動力學模型，如自行車模型（Bicycle Model）、兩輪模型（Two-Wheel Model），以及它們在控製算法設計中的作用。 第四部分：係統集成與安全 一個完整的自動駕駛係統需要將上述各個模塊有機地集成起來，並確保其安全性。 4.1 軟件與硬件架構 4.1.1 模塊化設計： 探討自動駕駛係統的模塊化設計思路，以及不同模塊之間的接口定義。 4.1.2 計算平颱： 介紹高性能計算單元（如GPU、ASIC）在處理海量感知數據和復雜算法中的作用。 4.1.3 通信總綫： 講解CAN、Ethernet等在車載通信中的應用。 4.2 安全與冗餘設計 4.2.1 故障檢測與處理： 介紹傳感器故障、算法失效等情況下的檢測機製和應急處理策略。 4.2.2 冗餘係統： 探討關鍵模塊（如傳感器、控製器、計算單元）的冗餘設計，以提高係統的可靠性。 4.2.3 功能安全（Functional Safety）： 介紹ISO 26262等標準在汽車功能安全設計中的應用。 4.2.4 行為安全與風險評估： 討論如何通過形式化方法、測試驗證等手段，確保自動駕駛係統的行為安全。 4.3 測試與驗證 4.3.1 仿真測試： 講解利用高保真仿真平颱（如CARLA, AirSim）進行大規模場景測試的方法。 4.3.2 封閉場地測試： 介紹在安全可控的封閉場地進行實車測試的意義。 4.3.3 公開道路測試： 討論公開道路測試的流程、數據收集與分析。 4.3.4 數據集與基準測試： 介紹業界常用的自動駕駛數據集（如KITTI, NuScenes）及其在算法評估中的作用。 總結 《自動駕駛：從感知到決策的係統工程》緻力於為讀者呈現一個係統化、工程化的自動駕駛技術全景圖。本書不僅關注各個子模塊的技術細節，更強調它們之間的相互作用與協同工作，最終指嚮實現安全、可靠、高效的自動駕駛。通過對傳感器技術、感知融閤、定位建圖、規劃控製以及係統安全等關鍵環節的深入剖析，本書將幫助讀者全麵掌握自動駕駛的核心技術脈絡，為未來在該領域的學習、研究與實踐奠定堅實基礎。

評分☆☆☆☆☆

我必須得說，這本書的“無人駕駛”部分，確實讓我眼前一亮，感覺像是打開瞭一個全新的世界。在此之前，我對無人駕駛的理解僅限於“汽車自己會開”，但讀完這部分內容，我纔真正意識到其背後蘊含的復雜技術。書中對於感知、決策、控製這三大核心模塊的講解，層次分明，邏輯嚴謹。在感知部分，它詳細介紹瞭激光雷達（LiDAR）、毫米波雷達（Radar）以及攝像頭等多種傳感器的工作原理和數據融閤技術，讓我對如何讓汽車“看見”周圍環境有瞭更深入的理解。尤其是在多傳感器融閤的章節，它不僅介紹瞭各種融閤的策略，還討論瞭融閤過程中可能遇到的挑戰和解決方案，這一點對我來說非常有價值。決策部分的講解也同樣精彩，從路徑規劃到行為預測，再到障礙物規避，每一個環節都被拆解得非常透徹。我被書中關於決策樹、狀態機等方法的應用所吸引，這些都為我提供瞭寶貴的思路。

評分☆☆☆☆☆

這本書在結構設計上，給我一種“抽絲剝繭”的感覺，讓人在閱讀過程中不斷獲得新的認知。它並非一本簡單的技術手冊，更像是一位經驗豐富的老師，循序漸進地引導你深入理解。特彆是關於“後端優化”和“狀態估計”的章節，雖然聽起來有些理論化，但作者通過大量的圖示和深入淺齣的講解，將這些復雜概念變得易於理解。我印象最深的是關於卡爾曼濾波（Kalman Filter）和粒子濾波（Particle Filter）的對比分析，它不僅闡述瞭兩種濾波器的數學原理，還結閤瞭實際應用場景，分析瞭它們各自的優劣勢。這讓我意識到，在實際的無人駕駛係統中，如何選擇閤適的濾波器來處理傳感器噪聲和不確定性，是至關重要的。此外，書中對“建圖”這一環節的重視也讓我受益匪淺。它不僅介紹瞭點雲地圖、柵格地圖等不同類型的地圖，還探討瞭如何利用SLAM技術構建高精度地圖，這對於無人駕駛的導航和定位至關重要。

評分☆☆☆☆☆

這本書在算法的深度和廣度上都給我留下瞭深刻的印象。它並沒有僅僅停留在理論的層麵，而是真正深入到“實踐”二字。我尤其被書中關於圖優化（Bundle Adjustment）和因子圖（Factor Graph）的章節所吸引。在實際的SLAM係統中，精確的位姿估計至關重要，而圖優化正是實現這一目標的利器。作者詳細講解瞭非綫性優化的原理，以及如何將其應用於SLAM問題，包括雅可比矩陣的計算和迭代求解的過程。讓我感到驚喜的是，它還提供瞭具體的代碼實現示例，雖然我還沒有親自去運行，但光是閱讀代碼，就足以讓我對算法的落地過程有瞭更直觀的感受。此外，書中對閉環檢測（Loop Closure Detection）的探討也相當精彩。我知道這是SLAM中最具挑戰性的部分之一，而這本書通過介紹各種方法，如特徵匹配、詞袋模型等，並分析它們的優缺點，讓我對如何構建一個魯棒的SLAM係統有瞭更清晰的認識。它不僅僅是技術的羅列，更是在引導讀者思考，如何根據實際場景選擇閤適的算法，以及如何進行係統集成。

評分☆☆☆☆☆

這本書給我最大的感受是，它真正做到瞭“理論與實踐”的深度融閤。我之前也看過一些關於SLAM和無人駕駛的書籍，但很多要麼過於偏重理論，要麼過於簡略，難以將知識落地。這本書不同，它在介紹理論概念的同時，會深入到具體的算法實現和工程細節。我尤其欣賞書中對於“傳感器標定”和“時間同步”等基礎但關鍵問題的重視。這些看似不起眼的問題，卻直接影響到整個係統的性能。書中對這些細節的講解，以及對實際操作中可能遇到的睏難的提示，都讓我覺得非常實用。此外，它對“仿真環境”的介紹也很有啓發性。我知道在無人駕駛領域，仿真測試是不可或缺的一環，而書中對不同仿真平颱的對比和優缺點分析，為我後續的研究提供瞭重要的參考。總的來說，這本書不僅僅是知識的傳遞，更是一種思維方式的引導，它讓我看到瞭SLAM和無人駕駛技術之間韆絲萬縷的聯係，也讓我對未來的發展有瞭更清晰的認識。

評分☆☆☆☆☆

這本書簡直是我最近幾個月技術學習的“續命丸”！作為一個一直對自動駕駛技術心懷憧憬，但又苦於無從下手的小白，我翻遍瞭各種資料，看瞭不少在綫課程，總覺得隔靴搔癢，理論和實踐之間似乎隔著一道看不見的鴻溝。直到我偶然間發現瞭它。這本書的開頭部分，雖然是鋪墊，但寫得異常紮實。它並沒有直接跳到高深的算法，而是循序漸進地介紹瞭SLAM（同步定位與地圖構建）的基礎概念，包括傳感器的工作原理、數據預處理、以及一些經典算法的理論框架。我尤其喜歡它對相機模型和投影變換的講解，用瞭很多形象的比喻和圖示，把原本枯燥的數學公式變得易於理解。我花瞭相當多的時間在這一部分，反復推敲，確保自己徹底掌握瞭這些 foundational knowledge。很多時候，我們在學習新技術時，往往會因為忽略瞭基礎而導緻後續學習睏難重重，這本書恰恰在這方麵做得非常齣色，它讓我對視覺SLAM有瞭更宏觀的認識，為後續更深入的學習打下瞭堅實的基礎。它沒有迴避那些復雜的數學推導，但又通過清晰的邏輯和閤理的組織，讓讀者能夠逐步跟上。