"√大部分書是用來看的，而本書是可以運行的√《視覺SLAM十四講：從理論到實踐》進階讀物√介紹自動駕駛和機器人中使用到的SLAM技術"

●第一部分基礎數學知識1
第1章自動駕駛3
1.1自動駕駛技術3
1.1.1自動駕駛能力與分級3
1.1.2L4的典型業務6
1.2自動駕駛中的定位與地圖10
1.2.1為什麼L4自動駕駛需要定位與地圖10
1.2.2高精地圖的內容與生產12
1.3本書內容的介紹順序14
第2章基礎數學知識回顧17
2.1幾何學19
2.1.1坐標繫19
2.1.2李群與李代數26
2.1.3SO(3)上的BCH線性近似式27
2.2運動學27
2.2.1李群視角下的運動學28
2.2數視角下的運動學29
2.2數的李代數與旋轉矢量間的轉換30
2.2.4其他幾種運動學表達方式32
2.2.5線速度與加速度34
2.2.6擾動模型與雅可比矩陣35
2.3運動學演示案例：圓周運動37
2.4濾波器與很優化理論40
2.4.1狀態估計問題與最小二乘法40
2.4.2卡爾曼濾波器40
2.4.3非線性繫統的處理方法41
2.4.4很優化方法與圖優化42
2.5本章小結44
習題44
第3章慣性導航與組合導航47
3.1IMU繫統的運動學49
3.1.1關於IMU測量值的解釋51
3.1.2IMU測量方程中的噪聲模型51
3.1.3IMU的離散時間噪聲模型53
3.1.4現實中的IMU54
3.2使用IMU進行航跡推算56
3.2.1利用IMU數據進行短時間航跡推算56
3.2.2IMU遞推的代碼實驗57
3.3衛星導航61
3.3.1GNSS的分類與供應商61
3.3.2實際的RTK安裝與接收數據63
3.3.3常見的世界坐標繫64
3.3.4RTK讀數的顯示66
3.4使用誤差狀態卡爾曼濾波器實現組合導航72
3.4.1ESKF的數學推導72
3.4.2離散時間的ESKF運動方程77
3.4.3ESKF的運動過程78
3.4.4ESKF的更新過程79
3.4.5ESKF的誤差狀態後續處理80
3.5實現ESKF的組合導航82
3.5.1ESKF的實現82
3.5.2實現預測過程83
3.5.3實現RTK觀測過程84
3.5.4ESKF繫統的初始化87
3.5.5運行ESKF90
3.5.6速度觀測量95
3.6本章小結98
習題98

第4章預積分學99
4.1IMU狀態的預積分學101
4.1.1預積分的定義101
4.1.2預積分測量模型103
4.1.3預積分噪聲模型106
4.1.4零偏的更新109
4.1.5預積分模型歸結至圖優化112
4.1.6預積分的雅可比矩陣113
4.1.7小結115
4.2實踐：預積分的程序實現116
4.2.1實現預積分類116
4.2.2預積分的圖優化頂點120
4.2.3預積分方案的圖優化邊121
4.2.4實現基於預積分和圖優化的GINS126
4.3本章小結133
習題133
第二部分激光雷達的定位與建圖135
第5章基礎點雲處理137
5.1激光雷達傳感器與點雲的數學模型139
5.1.1激光雷達傳感器的數學模型139
5.1.2點雲的表達141
5.1.3Packet的表達143
5.1.4俯視圖和距離圖144
5.1.5其他表達形式148
5.2最近鄰問題148
5.2.1暴力最近鄰法149
5.2.2柵格與體素方法152
5.2.3二分樹與K-d樹160
5.2.4四叉樹與八叉樹172
5.2.5其他樹類方法179
5.2.6小結180
5.3擬合問題181
5.3.1平面擬合181
5.3.2平面擬合的實現184
5.3.3直線擬合185
5.3.4直線擬合的實現187
5.4本章小結189
習題190
第6章2DSLAM191
6.12DSLAM的基本原理193
6.2掃描匹配算法195
6.2.1點到點的掃描匹配195
6.2.2點到點ICP的實現（高斯-牛頓法）199
6.2.3點到線的掃描匹配算法203
6.2.4點到線ICP的實現（高斯-牛頓法）204
6.2.5似然場法207
6.2.6似然場法的實現（高斯-牛頓法）209
6.2.7似然場法的實現（g2o）212
6.3占據柵格地圖215
6.3.1占據柵格地圖的原理215
6.3.2基於Bresenham算法的地圖生成216
6.3.3基於模板的地圖生成218
6.4子地圖223
6.4.1子地圖的原理223
6.4.2子地圖的實現224
6.5回環檢測與閉環228
6.5.1多分辨率的回環檢測229
6.5.2基於子地圖的回環修正233
6.5.3討論238
6.6本章小結241
習題241
第7章3DSLAM243
7.1多線激光雷達的工作原理245
7.1.1機械旋轉式激光雷達245
7.1.2固態激光雷達246
7.2多線激光雷達的掃描匹配248
7.2.1點到點ICP248
7.2.2點到線、點到面ICP254
7.2.3NDT方法258
7.2.4本節各種配準方法與PCL內置方法的對比265
7.3直接法激光雷達裡程計267
7.3.1使用NDT構建激光雷達裡程計267
7.3.2增量NDT裡程計273
7.4特征法激光雷達裡程計280
7.4.1特征的提取280
7.4.2基於激光雷達線束的特征提取280
7.4.3特征提取部分的實現281
7.4.4特征法激光雷達裡程計的實現286
7.5松耦合LIO繫統293
7.5.1坐標繫說明293
7.5.2松耦合LIO繫統的運動與觀測方程294
7.5.3松耦合LIO繫統的數據準備294
7.5.4松耦合LIO繫統的主要流程297
7.5.5松耦合LIO繫統的配準部分301
7.6本章小結304
習題304
第三部分應用實例305
第8章緊耦合LIO繫統307
8.1緊耦合的原理和優點309
8.2基於IEKF的LIO繫統309
8.2.1IEKF狀態變量與運動方程309
8.2.2觀測方程中的迭代過程311
8.2.3高維觀測的等效處理313
8.3實現基於IEKF的LIO繫統315
8.4基於預積分的LIO繫統319
8.4.1預積分LIO繫統的原理319
8.4.2代碼實現321
8.5本章小結327
習題327
第9章自動駕駛車輛的離線地圖構建329
9.1點雲建圖的流程331
9.2前端實現332
9.3後端位姿圖優化與異常值檢驗337
9.4回環檢測339
9.5地圖的導出345
9.6本章小結347
習題348
第10章自動駕駛車輛的實時定位繫統351
10.1點雲融合定位的設計方案353
10.2算法實現354
10.2.1RTK初始搜索354
10.2.2外圍測試代碼358
10.3本章小結360
習題361
參考文獻363

本書繫統介紹自動駕駛與機器人中的SLAM技術，從零開始搭建一套完整的激光雷達與慣性導航定位建圖方案。理論方面使用現代化流形方法進行推導，代碼方面則使用簡潔明快的現代C++語言實現。本書從最基本的理論與程序代碼開始，一步步增加各種模塊，省略復雜的工程細節，最後形成一個完整的繫統。本書在邏輯上是完整自洽的，在內容上則是通俗易懂的。
本書從經典的卡爾曼濾波器講到現代的預積分和圖優化理論。讀者可以通過實際操作，將這些算法重新實現一遍，並比較它們之間的異同。本書內容包括慣性導航、組合導航、誤差拓展卡爾曼濾波器、預積分和圖優化、二維和三維激光點雲的表達、最近鄰數據結構、點雲配準算法，等等。最後，本書將各種算法模塊組合起來，形成完整的慣性裡程計、離線地圖構建和實時定位繫統。
本書可作為自動駕駛和機器人定位領域的教材，適用於對該方向感興趣的學生、教師和科研人員。

高翔 著