智能网联汽车：激光与视觉SLAM详解
全新正版 极速发货
￥ 75.81 7.0折 ￥ 109 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者陈苑锋 董雪 马建军 徐守龙 朱兆颖 [德]徐永龙 裘维东 陈巍 贺光红 胡爽禄 李俊辉 林源 王鹤颖 陈昊阳 叶文韬
出版社机械工业
ISBN9787111747550
出版时间2024-04
装帧其他
开本其他
定价109元
货号1203248945
上书时间2024-06-09
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
陈苑锋复旦大学微电子学理学博士，高级职称。英国萨塞克斯人工智能学院客座教授、中国国际“互联网+”大学生创新创业大赛国赛评委、上海市职业技能大赛专家评委、上海市工程系列计算机专业中级职称专家评委等。先后在三星（韩国本部）、华为、阿里巴巴、美的集团等公司从事技术研发及管理工作。在集成电路、智能产品、机器人和物联网领域有多年研发经验。 董雪澳大利亚阿德莱德大学博士，上海交通大学副教授、博士生导师。研究方向包括激光成像、图像处理、自主移动平台的传感器融合、即时定位导航及路径规划等，发表学术论文40余篇，主持国家自然科学基金、上海市扬帆计划、沃尔沃汽车可持续发展项目等。熟悉车端传感器的功能和特点，以及基于深度学习算法的传感器融合。近年来的学术成果和工程应用经验集中于单目无监督深度感知算法，基于对抗生成网络的数据挖掘，基于CONV-LSTM、光流神经网络的高频高分辨率图像重建，端到端神经网络的复杂系统建模等方向。
目录
Contents 目 录
前言
作者介绍
第1章?智能网联汽车及SLAM
概述1
1.1?基本概念1
1.1.1?智能网联汽车1
1.1.2?SLAM定义2
1.1.3?地图的分类与作用4
1.1.4?SLAM技术探讨7
1.2?SLAM的应用现状10
1.2.1?自动驾驶等级10
1.2.2?技术难点11
1.2.3?SLAM的优势13
1.3?SLAM架构13
1.3.1?环境感知13
1.3.2?环境绘图14
1.3.3?运动规划16
1.3.4?车辆控制17
1.3.5?监控系统17
1.4?SLAM的发展阶段与应用前景18
1.4.1?SLAM演进的3个阶段18
1.4.2?SLAM的应用前景19
第2章?自动驾驶常用传感器及
原理21
2.1?激光雷达22
2.1.1?激光雷达的种类22
2.1.2?三角测距激光雷达24
2.1.3?ToF激光雷达24
2.1.4?机械式激光雷达27
2.1.5?混合固态激光雷达28
2.1.6?固态激光雷达29
2.1.7?竞品对比31
2.1.8?核心部件33
2.1.9?应用及展望34
2.2?深度相机34
2.2.1?ToF深度相机35
2.2.2?结构光深度相机37
2.2.3?双目深度相机38
2.2.4?应用及展望41
2.3?毫米波雷达43
2.3.1?工作原理43
2.3.2?测距功能原理44
2.3.3?测速功能原理46
2.3.4?角度估算原理48
2.3.5?FoV计算原理48
2.3.6?核心参数49
2.3.7?应用及展望50
第3章?多传感器融合51
3.1?同步与标定52
3.1.1?时间硬同步52
3.1.2?时间软同步55
3.1.3?空间标定56
3.2?融合策略66
3.2.1?后融合67
3.2.2?前融合73
3.3?应用分析77
3.3.1?自动驾驶应用78
3.3.2?移动机器人应用79
3.3.3?机械臂应用80
第4章?激光SLAM81
4.1?点云预处理82
4.1.1?点云滤波82
4.1.2?点云分割84
4.1.3?点云运动补偿86
4.2?前端里程计89
4.2.1?基于直接匹配的迭代
最近点算法89
4.2.2?基于特征匹配的正态
分布变换算法92
4.2.3?ICP算法与NDT算法
的比较96
4.3?关键帧提取97
4.3.1?基于帧间运动的关键帧
提取97
4.3.2?基于时间间隔的关键帧
提取98
4.4?后端优化100
4.4.1?基于图优化的后端
优化101
4.4.2?基于滤波器的后端
优化102
4.5?激光SLAM算法实战106
4.5.1?Cartographer算法106
4.5.2?Cartographer代码实战109
4.5.3?LOAM算法112
4.5.4?LOAM代码实战：
A-LOAM118
4.5.5?LeGO-LOAM算法120
4.5.6?LeGO-LOAM代码实战125
4.5.7?LIO-SAM算法127
4.5.8?LIO-SAM代码实战133
第5章?视觉SLAM136
5.1?前端视觉里程计137
5.1.1?基于特征点法的视觉里
程计137
5.1.2?基于直接法的视觉里
程计152
5.2?后端非线性优化155
5.2.1?BA优化155
5.2.2?位姿图优化157
5.3?回环检测158
5.3.1?词袋模型159
5.3.2?深度学习模型161
5.4?建图162
5.4.1?度量地图162
5.4.2?拓扑地图162
5.4.3?特征点地图163
5.5?常用的视觉SLAM算法163
5.5.1?ORB SLAM 2架构164
5.5.2?SVO架构174
5.5.3?DSO架构178
5.5.4?VINS-Mono架构182
5.5.5?代码实战190
第6章?深度学习在SLAM中的
应用193
6.1?深度学习与相机重定位193
6.1.1?基于深度神经网络的
相机重定位方法194
6.1.2?基于检索的相机重定位
方法194
6.1.3?全场景理解195
6.2?深度学习与特征点的提取及
匹配196
6.2.1?深度卷积神经网络特征
点的鉴别196
6.2.2?LIFT：基于深度学习的经
典局部特征提取方法197
6.2.3?MatchNet：通过统一特征
和度量学习实现基于补丁
的匹配198
6.2.4?UCN：通用的图像关联
预测器201
6.3?深度学习与视觉里程计203
6.4?深度学习与回环检测207
6.5?深度学习与语义SLAM208
6.5.1?语义分割网络209
6.5.2?构建语义地图212
6.5.3?ORB SLAM实际操作215
第7章?SLAM技术展望217
7.1?激光SLAM的应用及展望218
7.1.1?激光SLAM的应用现状218
7.1.2?激光SLAM的未来趋势220
7.2?视觉SLAM的应用及展望220
7.2.1?视觉SLAM的应用
现状221
7.2.2?视觉SLAM的未来
趋势222
后记223
内容摘要
书对激光SLAM和视觉SLAM技术进行了系统介绍，涉及基础理论、关键技术、应用实践及未来趋势，并探讨了它们与智能网联汽车的关系。既是想要在自动驾驶和智能汽车领域取得突破的从业者的阅读选择，也是追求SLAM技术深度与广度的专业人士的学习资料。具体来说，本书从智能网联汽车的基本概念入手，详细介绍了SLAM技术的发展历程、架构设计、核心算法以及在自动驾驶等级中的应用现状和技术难点。不仅分析了多传感器融合技术的同步与标定方法、融合策略，还深入探讨了激光SLAM和视觉SLAM的点云处理、关键帧提取、后端优化等关键技术，并通过Cartographer、LOAM、LeGO-LOAM、LIO-SAM等算法的代码实战，展示了SLAM技术的实际应用。此外，着重讲解了深度学习在SLAM中的应用，如相机重定位、特征点提取与匹配、视觉里程计、回环检测以及语义SLAM的前沿进展。之后，展望了激光SLAM和视觉SLAM技术的未来发展趋势，提供了宝贵的行业洞察。
— 没有更多了 —
以下为对购买帮助不大的评价