全书分为4分。1分对基础知识展开讲解，括Linu基础和ROS入门。2分主要关注个实际的机器人中的硬件和核传感器模块的构造，重点讲解机器人上的传感器、差分底盘、树莓派主板开发方面的知识。3分是SLAM地图构建的核算法，SLAM中的数学基础、基于激光的SLAM系统、基于视觉的SLAM系统、混合SLAM系统、新型SLAM系统。4分是自航相关的核技术与应用，括自航中的数学基础、基于地图的导航、基于环境探索建图的导航、强化学在机器人导航中的应用。
通过阅读本书，读者不仅可以自己设计出套SLAM导航机器人出来，还可以在软硬件结合的环境中提高自己的C++/Python/Java方面的编程，同时还可以接触到流行的SLAM算法的实际应用。

1527008066

序
前言
编程基础篇
1章 ROS入门知识 2
1.1 ROS简介 2
1.1.1 ROS的性能色 2
1.1.2 ROS的发行版本 3
1.1.3 ROS的学方法 3
1.2 ROS开发环境的搭建 3
1.2.1 ROS的安装 4
1.2.2 ROS文件的组织方式 4
1.2.3 ROS网络通信配置 5
1.2.4 集成开发工具 5
1.3 ROS系统架构 5
1.3.1 从计算图视角理解ROS架构 6
1.3.2 从文件系统视角理解ROS架构 7
1.3.3 从开源社区视角理解ROS架构 8
1.4 ROS调试工具 8
1.4.1 命令行工具 9
1.4.2 可视化工具 9
1.5 ROS节点通信 10
1.5.1 话题通信方式 12
1.5.2 服务通信方式 15
1.5.3 动作通信方式 19
1.6 ROS的其他重要概念 25
1.7 ROS 2.0展望 28
1.8 本章小结 28
2章 C++编程范式 29
2.1 C++工程的组织结构 29
2.1.1 C++工程的般组织结构 29
2.1.2 C++工程在机器人中的组织结构 29
2.2 C++代码的编译方法 30
2.2.1 使用g++编译代码 31
2.2.2 使用make编译代码 32
2.2.3 使用CMake编译代码 32
2.3 C++编程风格指南 33
2.4 本章小结 34
3章 OpenCV图像处理 35
3.1 认识图像数据 35
3.1.1 获取图像数据 35
3.1.2 访问图像数据 36
3.2 图像滤波 37
3.2.1 线性滤波 37
3.2.2 非线性滤波 38
3.2.3 形态学滤波 39
3.3 图像变换 40
3.3.1 影变换 40
3.3.2 霍夫变换 42
3.3.3 边缘检测 42
3.3.4 直方图均衡 43
3.4 图像征点提取 44
3.4.1 SIFT征点 44
3.4.2 SURF征点 50
3.4.3 ORB征点 52
3.5 本章小结 54
硬件基础篇
4章 机器人传感器 56
4.1 惯性测量单元 56
4.1.1 工作原理 56
4.1.2 原始数据采集 60
4.1.3 参数标定 65
4.1.4 数据滤波 73
4.1.5 姿态融合 75
4.2 激光雷达 91
4.2.1 工作原理 92
4.2.2 性能参数 94
4.2.3 数据处理 96
4.3 相机 100
4.3.1 单目相机 101
4.3.2 双目相机 107
4.3.3 RGB-D相机 109
4.4 带编码器的减速电机 111
4.4.1 电机 111
4.4.2 电机驱动电路 112
4.4.3 电机控制主板 113
4.4.4 轮式里程计 117
4.5 本章小结 118
5章 机器人主机 119
5.1 X86与ARM主机对比 119
5.2 ARM主机树莓派3B+ 120
5.2.1 安装Ubuntu MATE 18.04 120
5.2.2 安装ROS melodic 122
5.2.3 装机软件与系统设置 122
5.3 ARM主机RK3399 127
5.4 ARM主机Jetson-t2 128
5.5 分布式架构主机 129
5.5.1 ROS网络通信 130
5.5.2 机器人程序的远程开发 130
5.6 本章小结 131
6章 机器人底盘 132
6.1 底盘运动学模型 132
6.1.1 两轮差速模型 132
6.1.2 轮差速模型 136
6.1.3 阿克曼模型 140
6.1.4 全向模型 144
6.1.5 其他模型 148
6.2 底盘性能指标 148
6.2.1 载重 148
6.2.2 动力性能 148
6.2.3 控制度 150
6.2.4 里程计度 150
6.3 典型机器人底盘搭建 151
6.3.1 底盘运动学模型选择 152
6.3.2 传感器选择 152
6.3.3 主机选择 153
6.4 本章小结 155
SLAM篇
7章 SLAM中的数学基础 158
7.1 SLAM发展简史 158
7.1.1 数据关联、收敛和性 160
7.1.2 SLAM的基本理论 161
7.2 SLAM中的概率理论 163
7.2.1 状态估计问题 164
7.2.2 概率运动模型 166
7.2.3 概率观测模型 171
7.2.4 概率图模型 173
7.3 估计理论 182
7.3.1 估计量的性质 182
7.3.2 估计量的构建 183
7.3.3 各估计量对比 190
7.4 基于贝叶斯网络的状态估计 193
7.4.1 贝叶斯估计 194
7.4.2 参数化实现 196
7.4.3 非参数化实现 202
7.5 基于因子图的状态估计 206
7.5.1 非线性小二乘估计 206
7.5.2 直接求解方法 206
7.5.3 化方法 208
7.5.4 各化方法对比 218
7.5.5 常用化工具 219
7.6 典型SLAM算法 221
7.7 本章小结 221
8章 激光SLAM系统 223
8.1 Gmapping算法 223
8.1.1 原理分析 223
8.1.2 源码解读 228
8.1.3 安装与运行 233
8.2 Cartographer算法 240
8.2.1 原理分析 240
8.2.2 源码解读 247
8.2.3 安装与运行 258
8.3 LOAM算法 266
8.3.1 原理分析 266
8.3.2 源码解读 267
8.3.3 安装与运行 270
8.4 本章小结 270
9章 视觉SLAM系统 272
9.1 ORB-SLAM2算法 274
9.1.1 原理分析 274
9.1.2 源码解读 310
9.1.3 安装与运行 319
9.1.4 拓展 327
9.2 LSD-SLAM算法 329
9.2.1 原理分析 329
9.2.2 源码解读 334
9.2.3 安装与运行 337
9.3 SVO算法 338
9.3.1 原理分析 338
9.3.2 源码解读 341
9.4 本章小结 341
10章 其他SLAM系统 344
10.1 RTABMAP算法 344
10.1.1 原理分析 344
10.1.2 源码解读 351
10.1.3 安装与运行 357
10.2 VINS算法 362
10.2.1 原理分析 364
10.2.2 源码解读 373
10.2.3 安装与运行 376
10.3 机器学与SLAM 379
10.3.1 机器学 379
10.3.2 CNN-SLAM算法 411
10.3.3 DeepVO算法 413
10.4 本章小结 414
自航篇
11章 自航中的数学基础 418
11.1 自航 418
11.2 环境感知 420
11.2.1 实时定位 420
11.2.2 环境建模 421
11.2.3 语义理解 422
11.3 路径规划 422
11.3.1 常见的路径规划算法 423
11.3.2 带约束的路径规划算法 430
11.3.3 覆盖的路径规划算法 434
11.4 运动控制 435
11.4.1 基于PID的运动控制 437
11.4.2 基于MPC的运动控制 438
11.4.3 基于强化学的运动控制 441
11.5 强化学与自航 442
11.5.1 强化学 443
11.5.2 基于强化学的自航 465
11.6 本章小结 467
12章 典型自航系统 470
12.1 ros-navigation导航系统 470
12.1.1 原理分析 470
12.1.2 源码解读 475
12.1.3 安装与运行 479
12.1.4 路径规划改进 492
12.1.5 环境探索 496
12.2 riskrrt导航系统 498
12.3 autoware导航系统 499
12.4 导航系统面临的些挑战 500
12.5 本章小结 500
13章 机器人SLAM导航综合实战 502
13.1 运行机器人上的传感器 502
13.1.1 运行底盘的ROS驱动 503
13.1.2 运行激光雷达的ROS驱动 503
13.1.3 运行IMU的ROS驱动 504
13.1.4 运行相机的ROS驱动 504
13.1.5 运行底盘的urdf模型 505
13.1.6 传感器键启动 506
13.2 运行SLAM建图功能 506
13.2.1 运行激光SLAM建图功能 507
13.2.2 运行视觉SLAM建图功能 508
13.2.3 运行激光与视觉联合建图功能 508
13.3 运行自航 509
13.4 基于自航的应用 510
13.5 本章小结 511
附录A Linu与SLAM性能化的探讨 512
附录B 题 523

书名：视觉SLAM十四讲：从理论到实践（2版）

定：108.00

出版社：电子工业出版社

版次：1版

出版时间：2019年07月

开本：16开

作者：高翔 等

装帧：平塑勒

ISBN编码：9787121369421

本书系统介绍了视觉 SLAM（同时定位与地图构建）所需的基本知识与核算法，既括数学理论基础，如三维空间的刚体运动、非线性化，又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，我们还提供了大量的实例代码供读者学研究，从而更深入地掌握这些内容。本书可以作为对 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。

  

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 谢和声明. 8  

1 分 数学基础 10  

2 讲 初识 SLAM11  

2.1 引子：小萝卜的例子  13  

2.2 视觉 SLAM 框架 . 19  

2.2.1 视觉里程计. 20  

2.2.2 后端化 21  

2.2.3 回环检测 22  

2.2.4 建图. 23  

2.3 SLAM 问题的数学表述. 24  

2.4 实践：编程基础 27  

2.4.1 安装 Linux 作系统. 27  

2.4.2 Hello SLAM 29  

2.4.3 使用 cmake . 30  

2.4.4 使用库 . 32  

2.4.5 使用 IDE  35  

3 讲 三维空间刚体运动 . . . . . . . . . . . . . . . . . . . . . . . . . 40  

3.1 旋转矩阵 42  

3.1.1 点、向量和坐标系 42  

3.1.2 坐标系间的欧氏变换  43  

3.1.3 变换矩阵与齐次坐标  46  

3.2 实践：Eigen 47  

3.3 旋转向量和欧拉角. 53  

3.3.1 旋转向量 53  

3.3.2 欧拉角 . 54  

3.4 四元数 . 56  

3.4.1 四元数的定义  56  

3.4.2 四元数的运算  57  

3.4.3 用四元数表示旋转 59  

3.4.4 四元数到其他旋转表示的转换. 59  

3.5 * 相似、仿射、射影变换. 61  

3.6 实践：Eigen 几何模块  62  

3.6.1 Eigen 几何模块的数据演示 62  

3.6.2 实际的坐标变换例子  64  

3.7 可视化演示. 66  

3.7.1 显示运动轨迹  66  

3.7.2 显示相机的位姿. 69  

4 讲 李群与李代数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71  

4.1 李群与李代数基础. 73  

4.1.1 群 73  

4.1.2 李代数的引出  74  

4.1.3 李代数的定义  76  

4.1.4 李代数 so(3). 76  

4.1.5 李代数 se(3) . 77  

4.2 指数与对数映射 78  

4.2.1 SO(3) 上的指数映射. 78  

4.2.2 SE(3) 上的指数映射 . 80  

4.3 李代数求导与扰动模型. 81  

4.3.1 BCH 公式与近似形式 . 81  

4.3.2 SO(3) 上的李代数求导 83  

4.3.3 李代数求导. 84  

4.3.4 扰动模型（左乘） 85  

4.3.5 SE(3) 上的李代数求导 85  

4.4 实践：Sophus 86  

4.4.1 Sophus 的基本使用方法  86  

4.4.2 例子：评估轨迹的误差. 89  

4.5 * 相似变换群与李代数  92  

4.6 小结. 93  

5 讲 相机与图像 95  

5.1 相机模型 97  

5.1.1 针孔相机模型  97  

5.1.2 畸变模型 100  

5.1.3 双目相机模型  103  

5.1.4 RGB-D 相机模型 104  

5.2 图像. 106  

5.3 实践：计算机中的图像. 107  

5.3.1 OpenCV 的基本使用方法  107  

5.3.2 图像去畸变. 112  

5.4 实践：3D 视觉 113  

5.4.1 双目视觉 113  

5.4.2 RGB-D 视觉 . 115  

6 讲 非线性化 119  

6.1 状态估计问题 . 121  

6.1.1 批量状态估计与大后验估计. 121  

6.1.2 小二乘的引出. 123  

6.1.3 例子：批量状态估计  125  

6.2 非线性小二乘 126  

6.2.1 和二梯度法 127  

6.2.2 高斯牛顿法. 128  

目录 vii  

6.2.3 列文伯格—马夸尔方法 130  

6.3 实践：曲线拟合问题  132  

6.3.1 手写高斯牛顿法. 132  

6.3.2 使用 Ceres 进行曲线拟合  136  

6.3.3 使用 g2o 进行曲线拟合. 141  

6.4 小结. 148  

2 分 实践应用 150  

7 讲 视觉里程计 1. 151  

7.1 征点法 153  

7.1.1 征点 . 153  

7.1.2 ORB 征. 155  

7.1.3 征匹配 158  

7.2 实践：征提取和匹配. 159  

7.2.1 OpenCV 的 ORB 征 . 159  

7.2.2 手写 ORB 征  162  

7.2.3 计算相机运动  165  

7.3 2D?2D：对几何. 165  

7.3.1 对约束 165  

7.3.2 本质矩阵 168  

7.3.3 单应矩阵 170  

7.4 实践：对约束求解相机运动. 172  

7.5 三角测量 177  

7.6 实践：三角测量 178  

7.6.1 三角测量代码  178  

7.6.2 讨论. 179  

7.7 3D?2D：PnP. 180  

7.7.1 直接线性变换  180  

7.7.2 P3P  182  

7.7.3 小化重投影误差求解 PnP. 184  

7.8 实践：求解 PnP  188  

7.8.1 使用 EPnP 求解位姿 . 188  

7.8.2 手写位姿估计  189  

7.8.3 使用 g2o 进行 BA 化 . 191  

7.9 3D?3D：ICP. 196  

7.9.1 SVD 方法 . 196  

7.9.2 非线性化方法. 198  

7.10 实践：求解 ICP. 199  

7.10.1 实践：SVD 方法  199  

7.10.2 实践：非线性化方法. 201  

7.11 小结. 203  

8 讲 视觉里程计 2. 205  

8.1 直接法的引出 . 207  

8.2 2D 光流 208  

8.3 实践：LK 光流 . 210  

8.3.1 使用 LK 光流 210  

8.3.2 用高斯牛顿法实现光流. 211  

8.3.3 光流实践小结  218  

8.4 直接法 . 218  

8.4.1 直接法的推导  218  

8.4.2 直接法的讨论  221  

8.5 实践：直接法 . 221  

8.5.1 单层直接法. 221  

8.5.2 多层直接法. 226  

8.5.3 结果讨论 227  

8.5.4 直接法缺点总结 230  

9 讲 后端 1. . . . . 232  

9.1 概述. 234  

9.1.1 状态估计的概率解释  234  

9.1.2 线性系统和 KF. 236  

9.1.3 非线性系统和 EKF . 239  

9.1.4 EKF 的讨论  241  

9.2 BA 与图化. 242  

9.2.1 投影模型和 BA 代函数 242  

9.2.2 BA 的求解 243  

9.2.3 稀疏性和边缘化. 245  

9.2.4 鲁棒核函数. 251  

9.3 实践：Ceres BA  253  

9.3.1 BAL 数据集 253  

9.3.2 Ceres BA 的书写  253  

9.4 实践：g2o 求解 BA . 257  

9.5 小结. 263  

10 讲 后端 2. . . . . 265  

10.1 滑动窗口滤波和化  266  

10.1.1 实际环境下的 BA 结构 . 266  

10.1.2 滑动窗口法. 267  

10.2 位姿图 . 270  

10.2.1 位姿图的意义  270  

10.2.2 位姿图的化  270  

10.3 实践：位姿图化. 272  

10.3.1 g2o 原生位姿图 272  

10.3.2 李代数上的位姿图化. 277  

10.3.3 小结. 282  

11 讲 回环检测 . . 283  

11.1 概述. 285  

11.1.1 回环检测的意义. 285  

11.1.2 回环检测的方法. 286  

11.1.3 率和召回率. 287  

11.2 词袋模型 289  

11.3 字典. 291  

11.3.1 字典的结构. 291  

11.3.2 实践：建字典. 292  

11.4 相似度计算. 295  

11.4.1 理论分 295  

11.4.2 实践：相似度的计算  296  

11.5 实验分析与评述 300  

11.5.1 增加字典规模  300  

11.5.2 相似性评分的处理 302  

11.5.3 关键帧的处理  302  

11.5.4 检测之后的验证. 303  

11.5.5 与机器学的关系 303  

12 讲 建图 . . . . . . 305  

12.1 概述. 306  

12.2 单目稠密重建 . 308  

12.2.1 立体视觉 308  

12.2.2 线搜索与块匹配 309  

12.2.3 高斯分布的深度滤波器. 311  

12.3 实践：单目稠密重建  314  

12.3.1 实验分析与讨论. 323  

12.3.2 像素梯度的问题. 324  

12.3.3 逆深度 . 325  

12.3.4 图像间的变换  326  

12.3.5 并行化：效率的问题  327  

12.3.6 其他的改进. 327  

12.4 RGB-D 稠密建图. 328  

12.4.1 实践：点云地图. 328  

12.4.2 从点云重建网格. 333  

12.4.3 八树地图. 336  

12.4.4 实践：八树地图 338  

12.5 * TSDF 地图和 Fusion 系列 340  

12.6 小结. 343  

13 讲 实践：设计 SLAM 系统 . 345  

13.1 为什么要单列工程章节 346  

13.2 工程框架 347  

13.3 实现. 349  

13.3.1 实现基本数据结构 349  

13.3.2 前端. 354  

13.3.3 后端. 357  

13.4 实验效果 361  

14 讲 SLAM：与未来 . 363  

14.1 当前的开源方案 364  

14.1.1 MonoSLAM  364  

14.1.2 PTAM  365  

14.1.3 ORB-SLAM  366  

14.1.4 LSD-SLAM. 369  

14.1.5 SVO. 370  

14.1.6 RTAB-MAP. 371  

14.1.7 其他. 372  

14.2 未来的 SLAM 话题 372  

14.2.1 视觉 + 惯性导航 SLAM. 373  

14.2.2 语义 SLAM. 374  

14.2.3 SLAM 的未来  375  

附录 A 高斯分布的性质  377  

附录 B 矩阵求导 . . 380  

附录 C ROS 入门 . 382  

参考文献 . 385

ISBN编号：9787121448126
书名：视觉惯性SLAM:理论与源码解析
定：158.00元
编者：程小六
出版社名称：电子工业出版社
页数：462页

本书系统介绍以相机和惯性测量单元为主传感器的视觉、视觉惯性SLAM 算法。本书通过选取该领域有代表性的两个开源项目，从原理阐述、公式推导、代码解析和工程经验等多个维度，对SLAM 技术进行全面的解读。为了让读者在轻松的氛围中快速理解业知识，本书以小白和师兄对话的形式娓娓道来，帮助读者在学的过程中不断思考和提升。同时，本书秉承“图胜千言”的理念，把大量复杂的原理或流程绘制成清晰、易懂的示意图，降低了初的学门槛。本书理论和实践并重，引导读者循序渐进地掌握项目实践经验。本书兼具技术的广度和深度，适合有定SLAM 基础的高等院校学生、科研机构研究人员和企业从业者阅读，尤其适合希望深入研究视觉（惯性）SLAM 的算法工程师参考。  

*1章 概览/3 
1.1什么是SLAM/3 
1.2SLAM有什么不可替/5 
1.3SLAM的应用领域/7 
参考文献/9 

*2章编程及编译工具/11 
2.1C++新性/11 
2.2CMake入门/16 

第3章SLAM中常用的数学基础知识/29 
3.1为什么要用齐次坐标/29 
3.2三维空间中刚体旋转的几种表达方式/33 

第4章相机成像模型/39 
4.1针孔相机成像原理/39 
4.2针孔相机成像模型/41 
4.3相机畸变模型/47 
参考文献/50 

第5章对几何/51 
5.1对几何的基本概念/51 
5.2理解对约束/52 

第6章图化库的使用/55 
6.1g2o编程框架/56 
6.2构建g2o点/61 
6.3构建g2o边/67 
参考文献/75 

*二分ORB-SLAM2理论与实践 
第7章ORB征提取/83 
7.1ORB征点/83 
7.2ORB征点均匀化策略/93 
参考文献/105 

第8章ORB-SLAM2中的征匹配/106 
8.1单目初始化中的征匹配/107 
8.2通过词袋进行征匹配/115 
8.3通过地图点投影进行征匹配/131 
8.4通过Sim(3)变换进行相互投影匹配/136 
参考文献/140 

第9章地图点、关键帧和图结构/141 
9.1地图点/141 
9.2关键帧/153 
9.3图结构/170 
参考文献/173 

*10章ORB-SLAM2中的地图初始化/174 
10.1为什么需要初始化/174 
10.2单目模式地图初始化/175 
10.3双目模式地图初始化/197 

*11章ORB-SLAM2中的跟踪线程/205 
11.1参考关键帧跟踪/206 
11.2恒速模型跟踪/209 
11.3重定位跟踪/214 
11.4局地图跟踪/247 
参考文献/258 

*12章ORB-SLAM2中的局建图线程/259 
12.1处理新的关键帧/260 
12.2剔除不合格的地图点/261 
12.3生的地图点/263 
12.4检查并融合当前关键帧与相邻帧的地图点/269 
12.5关键帧的剔除/271 

*13章ORB-SLAM2中的闭环线程/275 
13.1什么是闭环检测··275 
13.2寻找并验证闭环候选关键帧/276 
13.3计算Sim(3)变换/281 
13.4闭环矫正/298 
13.5闭环全局BA化/305 
参考文献/307 

*14章ORB-SLAM2中的化方法/308 
14.1跟踪线程仅化位姿/309 
14.2局建图线程中局地图化/315 
14.3闭环线程中的Sim(3)位姿化/323 
14.4闭环时本质图化/329 
14.5全局化/336 

第三分ORB-SLAM3理论与实践 
*15章ORB-SLAM3中的IMU预积分/345 
15.1视觉惯性紧耦合的意义/345 
15.2IMU预积分原理及推导/346 
15.3IMU预积分的代码实现/371 
参考文献/377 

*16章ORB-SLAM3中的多地图系统/378 
16.1多地图的基本概念/378 
16.2多地图系统的效果和作用/379 
16.3建新地图的方法和时机/381 
16.4地图融合概述/385 
参考文献/387 

*17章ORB-SLAM3中的跟踪线程/388 
17.1跟踪线程流程图/388 
17.2跟踪线程的新变化/388 

*18章ORB-SLAM3中的局建图线程/399 
18.1局建图线程的作用/399 
18.2局建图线程的流程/400 
18.3IMU的初始化/402 
参考文献/410 

*19章ORB-SLAM3中的闭环及地图融合线程/411 
19.1检测共同区域/412 
19.2地图融合/420 
参考文献/429 

*20章视觉SLAM的与未来/430 
20.1视觉SLAM的发展历程/430 
20.2视觉惯性SLAM框架对比及数据集/434 
20.3未来发展趋势/437 
20.4总结/442 
参考文献/442