视觉SLAM十四讲 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

高翔等著 著

图书标签:

• SLAM
• 视觉SLAM
• 机器人
• 计算机视觉
• 估计理论
• 滤波
• 优化
• 传感器融合
• 三维重建
• 地图构建

店铺： 文轩网旗舰店

出版社： 电子工业出版社

ISBN：9787121311048

商品编码：12436005910

出版时间：2017-03-01

作  者:高翔 等 著 定  价:75 出 版 社:电子工业出版社 出版日期:2017年03月01日 页  数:388 装  帧:平装 ISBN:9787121311048

??? 适读人群：本书适合对SLAM感兴趣的读者阅读，也适合有志于从事计算机视觉、机器人研究等领域的广大学生阅读，可作为SLAM技术的入门教材。
??? SLAM技术是全自动无人驾驶、无人机、机器人等人工智能产品的核心技术之一。
??? 作者是SLAM领域**杰出的青年专家。
??? 书中不仅有深入浅出的讲解，同时注重理论和实践结合，大大降低了靠前学生和相关从业者的进入门槛。

●第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致谢和声明7
●第2讲初识SLAM9
●2.1引子：小萝卜的例子11
●2.2经典视觉SLAM框架17
●2.2.1视觉里程计17
●2.2.2后端优化19
●2.2.3回环检测20
●2.2.4建图21
●2.3SLAM问题的数学表述22
●2.4实践：编程基础25
●2.4.1安装Linux操作系统25
●2.4.2HelloSLAM27
●2.4.3使用cmake28
●部分目录

内容简介

《视觉SLAM十四讲：从理论到实践》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心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包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，还提供了大量的实例代码供读者学习研究，从而更深入地掌握这些内容。
《视觉SLAM十四讲：从理论到实践》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。

高翔 等 著

高翔，2008年就读清华大学自动化系，2012年免试进入清华大学自动化系攻读博士学位。研究课题为视觉SLAM，兴趣包括计算机视觉与机器学习。曾撰写过与SLAM相关的论文和技术博客。
张涛，清华大学自动化系教授、党委书记、副系主任。1995年9月至1999年9月在清华大学自动化系检测技术与自动化装置专业学习，获博士学位。1999年10月至2002年9月在日本国立佐贺大学大学院工学系研究科系统控制专业学习，获博士学位。研究课题包括机器人、航空航天、计算机视觉等。
刘毅，华中科技大学图像与人工智能研究所在读博士，本科毕业于武汉理工大学数学系。读博期间专注于图像处理、三维重建、视等

隆重向读者推荐《视觉SLAM十四讲：从理论到实践》。一方面本书是业界少有的涵盖从基础理论到代码实例，系统性讲解SLAM的书；另一方面，本书的作者和地平线颇有渊源，高翔曾经是我们的算法实习生，颜沁睿是自动驾驶算法工程师，都是在SLAM领域非常杰出的青年专家，走在技术实践前沿。在移动互联网大潮之后，自动驾驶、无人机、服务机器人等人工智能硬件会成为下一个产业爆发点，其中关键的技术之一就是动态定位和环境建模的SLAM技术。本书是国内非常有价值的有关SLAM技术的书籍，适合有志于从事机器人技术的研究生和工程师，一定会让读者很有收获。
地平线机器人创始人，中国人工智能学会副秘书长，余凯

我在新加坡和加拿大给学生讲视觉SLAM时常常觉得缺乏一本适合初学者的教材。高翔博士的《视觉SLAM十四讲：从理论到实践》从基础的四元数、李代数讲起，涵盖了卡尔曼滤波、Bundle Adj等

《光学传感与计算机视觉：从感知到理解的旅程》 简介 在数字时代，我们与世界的互动方式正经历着前所未有的变革。图像和视频不再仅仅是信息传递的载体，它们已经成为我们理解和操纵现实的关键媒介。本书《光学传感与计算机视觉：从感知到理解的旅程》将带领读者深入探索光学传感技术的核心原理，并聚焦于计算机视觉领域，揭示机器如何“看见”并“理解”我们所处的物理世界。这不仅是一场关于技术突破的介绍，更是一次关于人类智慧如何通过机器的“眼睛”得以延伸的思考。 本书旨在为对机器人学、增强现实、自动驾驶、图像处理、三维重建以及人工智能等领域感兴趣的读者提供一个坚实的理论基础和实践指导。我们不拘泥于单一的技术栈，而是从更宏观的视角出发，勾勒出光学传感与计算机视觉交织融合的广阔图景。我们将首先从光学传感器的基本原理讲起，深入浅出地介绍不同类型传感器的成像机制、优缺点以及它们在各种场景下的应用。随后，我们将逐步深入到计算机视觉的核心技术，包括图像的获取、预处理、特征提取、目标识别、场景理解等一系列关键环节。 第一部分：光学传感器的世界——世界的“眼睛” 在这一部分，我们将从最基础的层面开始，理解机器“看见”世界的第一步——光学传感。 光与成像的物理基础： 我们将回顾光的基本性质，包括电磁波谱、光的传播、反射、折射等物理现象。这将为理解各种光学传感器的成像原理打下坚实基础。我们会探讨相机镜头的光学设计，如焦距、光圈、景深等概念，以及它们如何影响最终的图像质量和视角。 主流光学传感器的类型与原理： 相机（Camera）： 作为最普遍的光学传感器，我们将深入研究不同类型的相机，包括单目相机（Monocular Camera）、双目相机（Stereo Camera）和全景相机（Omnidirectional Camera）等。我们会详细讲解CCD和CMOS等图像传感器的内部工作机制，以及它们在光信号转换为数字信号过程中的关键技术。 深度传感器（Depth Sensor）： 深度信息的获取是实现三维感知和空间理解的关键。我们将详细介绍多种深度传感技术，包括： 结构光（Structured Light）： 探讨如何通过投影已知图案的光，并分析其变形来计算深度。我们将介绍其工作原理、优缺点以及在近距离高精度三维扫描中的应用。 飞行时间（Time-of-Flight, ToF）： 阐述ToF传感器如何通过测量光脉冲从发射到返回的时间来计算距离。我们将分析其在室内导航、手势识别等领域的应用前景。 激光雷达（LiDAR）： 重点介绍LiDAR技术，包括其工作原理、扫描方式（如机械旋转式、固态LiDAR）以及在自动驾驶、测绘、环境监测等方面的强大能力。我们将讨论不同波长和扫描角度对LiDAR性能的影响。 红外传感器（Infrared Sensor）： 介绍被动红外（PIR）和主动红外传感器，以及它们在夜视、热成像和近距离检测中的应用。 其他光学传感器： 还会简要介绍如事件相机（Event Camera）、光场相机（Light Field Camera）等新兴的光学传感技术，以及它们在特殊应用场景下的独特优势。 传感器标定（Sensor Calibration）： 无论使用何种光学传感器，精确的标定都是保证后续处理结果准确性的前提。我们将详细讲解相机内参（Intrinsic Parameters）和外参（Extrinsic Parameters）标定的原理和方法，以及它们在校正镜头畸变、建立相机与世界坐标系之间关系中的重要作用。对于多传感器系统，我们还将探讨多目相机的外部标定以及相机与IMU（惯性测量单元）等传感器的联合标定。 第二部分：计算机视觉的艺术——从像素到意义 在获取了原始的光学数据后，计算机视觉技术便开始发挥其魔力，将这些“原始信息”转化为有意义的认知。 图像的获取与预处理： 图像的数字表示： 讲解数字图像的基本构成，如像素、颜色空间（RGB, HSV, Grayscale）等。 图像增强（Image Enhancement）： 介绍如何通过调整图像的亮度、对比度、锐度等来改善图像质量，使其更适合后续分析。例如，直方图均衡化、滤波（高斯滤波、中值滤波）等。 图像去噪（Image Denoising）： 探讨各种去噪算法，以去除图像中的随机噪声，提升图像的清晰度。 图像几何变换（Geometric Transformations）： 包括缩放、旋转、平移、仿射变换和透视变换，以及它们在图像校正和对齐中的应用。 图像特征的提取与描述： 这是计算机视觉的基石，它使得机器能够识别图像中的关键信息。 边缘检测（Edge Detection）： 讲解Canny、Sobel、Prewitt等经典边缘检测算子的原理，以及如何利用边缘信息来识别物体的轮廓。 角点检测（Corner Detection）： 介绍Harris、FAST等角点检测算法，并说明角点在图像匹配、目标跟踪中的重要性。 斑点检测（Blob Detection）： 探讨如何检测图像中的连通区域（斑点），并用于目标检测和分割。 局部不变特征（Local Invariant Features）： 重点介绍SIFT（尺度不变特征变换）、SURF（加速稳健特征）、ORB（Oriented FAST and Rotated BRIEF）等特征点检测和描述算法。我们将深入分析这些算法的鲁棒性，以及它们在图像匹配、全景拼接、三维重建等任务中的强大作用。 线特征与形状特征： 简要介绍如何提取图像中的直线、曲线等几何形状特征。 图像分割与目标识别： 将图像划分为有意义的区域，并识别出其中的特定对象。 图像分割（Image Segmentation）： 基于阈值的方法： 如 Otsu's方法。 基于区域的方法： 如区域生长法。 基于边缘的方法： 如Canny边缘检测与轮廓提取。 图割（Graph Cut）方法： 介绍其在语义分割中的应用。 深度学习在分割中的应用： 简要介绍FCN、U-Net等模型在语义分割和实例分割中的突破。 目标检测（Object Detection）： 传统方法： 如滑动窗口、HOG+SVM。 深度学习方法： 详细讲解Two-stage检测器（如R-CNN系列）和One-stage检测器（如YOLO系列、SSD）的工作原理、网络结构和优势。 目标跟踪（Object Tracking）： 探讨如何持续地识别和定位视频序列中的特定目标，介绍如KCF、MOSSE、DLT等跟踪算法。 三维重建与场景理解： 从二维图像中恢复三维信息，并对场景进行更深层次的理解。 多视图几何（Multi-View Geometry）： 对极几何（Epipolar Geometry）： 讲解本征矩阵（Essential Matrix）和基础矩阵（Fundamental Matrix）的概念，以及它们在立体视觉中的作用。 立体匹配（Stereo Matching）： 介绍BM（Block Matching）、SGM（Semi-Global Matching）等经典算法，以及它们如何计算视差图（Disparity Map）。 运动恢复结构（Structure from Motion, SfM）： 阐述如何从一系列图像中估计相机的运动轨迹和场景的三维结构。 多视图立体（Multi-View Stereo, MVS）： 介绍如何利用多张图像来生成稠密的三维点云或网格模型。 深度学习在三维重建中的应用： 简要介绍如NeRF（Neural Radiance Fields）等新兴技术在生成高质量三维场景方面的潜力。 场景理解（Scene Understanding）： 物体姿态估计（Object Pose Estimation）： 识别物体在三维空间中的位置和方向。 语义场景重建（Semantic Scene Reconstruction）： 将场景中的物体进行分类，并进行三维重建。 全局场景理解： 结合场景中的物体、几何结构和上下文信息，对整个场景进行语义解释。 同步定位与地图构建（Simultaneous Localization and Mapping, SLAM）的进阶概念： 虽然本书不直接深入“视觉SLAM十四讲”的具体内容，但我们会从更广泛的“感知与理解”角度，阐述SLAM在光学传感与计算机视觉结合中的关键作用。 从传感器融合的角度理解SLAM： 讨论视觉传感器（相机、深度相机）与IMU等其他传感器融合的重要性，以及如何利用多传感器信息来提高定位的鲁棒性和精度。 地图表示方法： 介绍点云地图、体素地图、图论地图等多种地图表示形式，以及它们在机器人导航和环境交互中的应用。 后端优化（Bundle Adjustment）： 阐述Bundle Adjustment在全局一致性优化相机位姿和三维地图中的关键作用。 回环检测（Loop Closure Detection）： 讲解如何通过识别已经访问过的场景来修正地图漂移，提升SLAM系统的长期一致性。 第三部分：光学传感与计算机视觉的应用前沿 在掌握了核心理论和技术后，我们将目光投向这些技术在现实世界中的广泛应用。 自动驾驶（Autonomous Driving）： 详细探讨摄像头、LiDAR、毫米波雷达等传感器在感知环境、识别障碍物、预测轨迹、路径规划等方面的协同工作。 增强现实（Augmented Reality, AR）与虚拟现实（Virtual Reality, VR）： 阐述计算机视觉技术如何实现对真实世界的理解和交互，以及如何将虚拟内容精确地叠加到真实世界中。 机器人导航与自主移动（Robotics Navigation and Autonomous Mobile Robots）： 介绍机器人如何利用光学传感和计算机视觉来感知环境、定位自身、避开障碍物并完成导航任务。 工业自动化与质量检测（Industrial Automation and Quality Inspection）： 探讨机器视觉在产品缺陷检测、尺寸测量、装配引导等方面的应用。 医疗影像分析（Medical Image Analysis）： 介绍计算机视觉在医学图像（如X光、CT、MRI）的分割、识别、诊断辅助等方面的应用。 安防监控与智能分析（Security Surveillance and Intelligent Analysis）： 探讨人脸识别、行为分析、异常事件检测等技术在提升社会安全方面的作用。 内容创作与媒体处理（Content Creation and Media Processing）： 介绍计算机视觉在图像编辑、视频分析、特效制作等领域的应用。 学习本书的收获： 通过深入学习本书，读者将能够： 建立扎实的理论基础： 深刻理解光学传感器的原理和计算机视觉的核心算法。 掌握关键技术： 能够识别、提取和描述图像特征，进行目标识别、分割和三维重建。 洞察技术前沿： 了解新兴的光学传感技术和深度学习在计算机视觉中的突破性进展。 拓宽应用视野： 认识到光学传感与计算机视觉在众多领域的广泛应用，并激发新的创新思路。 培养解决问题的能力： 掌握分析和解决实际工程问题的通用方法论。 本书内容丰富，图文并茂，力求将复杂的概念以清晰易懂的方式呈现。我们相信，通过对《光学传感与计算机视觉：从感知到理解的旅程》的学习，您将能够更好地理解机器如何“看见”世界，并为未来在相关领域的探索和创新奠定坚实的基础。这是一段激动人心的技术探索之旅，我们期待您的加入。

评分☆☆☆☆☆

作为一名已经有几年机器人开发经验的工程师，我一直在寻找一本能够系统性梳理视觉SLAM技术栈的书籍，而这部作品无疑满足了我的期望。它不像许多文献那样零散地介绍某个算法，而是将整个视觉SLAM的流程，从前端（数据采集、特征提取、匹配、运动估计）到后端（回环检测、地图构建、位姿优化）进行了非常清晰的梳理和整合。我特别欣赏书中对“因子图”（Factor Graph）在SLAM中的应用讲解，它提供了一种非常优雅的方式来表示SLAM问题中的各种约束关系，并通过图优化技术求解最优的位姿估计。这比传统的Bundle Adjustment（BA）在处理大规模地图和更复杂的场景时，展现出了更强的可扩展性和鲁棒性。书中对回环检测的各种方法的介绍也十分全面，从经典的图像检索方法，到基于词袋模型（BoW）的语义信息融合，都进行了深入的探讨，这对于提升SLAM系统的长期一致性至关重要。此外，它对一些前沿技术，如基于深度学习的特征提取和描述，以及视觉-惯性融合（VIO）的初步探讨，也为我提供了新的研究方向和思路。总的来说，这本书是一本非常扎实的参考书，它不仅能够帮助读者建立起对视觉SLAM的宏观认识，还能深入了解其核心技术细节，为实际工程应用提供了宝贵的理论指导。

评分☆☆☆☆☆

当我拿到这本书的时候，我的第一反应是：这绝对是一本值得反复研读的佳作。我之前接触过一些关于SLAM的资料，但总觉得碎片化，缺乏系统性。这本书彻底改变了我的看法。它从最基础的光学原理讲起，深入浅出地介绍了相机模型、投影几何，以及图像畸变等概念。对于初学者来说，这些基础知识的扎实掌握至关重要，而这本书恰恰在这方面做得非常出色。我特别喜欢书中对于“重投影误差”的讲解，它形象地解释了为什么我们需要最小化这个误差来求解相机的位姿。书中对特征提取和匹配算法的介绍也十分详尽，无论是传统的SIFT、SURF，还是新兴的ORB，都做了深入的对比分析，让我对不同算法的优劣有了更清晰的认识。更令我惊喜的是，它还介绍了如KLT（Kanade-Lucas-Tomasi）跟踪等光流法，这为我提供了一种在不进行显著特征提取的情况下进行运动估计的可能性。书中对3D重构的讲解也十分到位，它不仅介绍了多视图几何中的基本方法，还对点云数据的处理和网格化等过程进行了详细阐述，让我对如何从图像序列构建三维场景有了全面的了解。这本书不仅停留在理论层面，还结合了大量的代码示例和实践指导，让我在学习理论的同时，也能动手实践，加深理解。

评分☆☆☆☆☆

最近有幸深入研究了这部关于视觉SLAM的著作，不得不说，它为我打开了一扇全新的大门。我之前对SLAM的理解更多停留在概念层面，知道它大概是做什么的，但具体的技术细节和实现原理却感到模糊不清。这本书的出现，彻底改变了我的认知。它不仅仅是简单地罗列技术名词，而是深入剖析了每个关键技术背后的原理和逻辑。例如，在讲解传感器模型时，它非常细致地阐述了不同类型传感器（如单目、双目、RGB-D相机）的成像原理、优缺点，以及它们在SLAM系统中的作用。这让我理解了为什么在不同的应用场景下，我们需要选择不同类型的相机。更令我印象深刻的是，书中对特征提取和描述方法的讲解，从传统的SIFT、SURF，到更现代的ORB，作者都进行了详尽的比较和分析，解释了它们在鲁棒性、计算效率以及对光照、尺度变化敏感度等方面的差异。这对于我选择合适的特征算法至关重要。此外，书中对后端优化算法的介绍也相当精彩，它不仅仅是简单地给出高斯-牛顿法或LM法的公式，而是深入分析了它们在求解约束优化问题中的迭代过程，以及如何通过图优化来提升SLAM系统的精度和稳定性。这本书的知识密度非常高，但作者的讲解逻辑清晰，层层递进，让人能够循序渐进地掌握复杂的概念。

评分☆☆☆☆☆

这本书绝对是计算机视觉和机器人领域的一大惊喜！我是一名刚刚接触SLAM（即时定位与地图构建）的学生，原本对这个概念一窍不通，感觉像是在迷雾中摸索。但自从我翻开这本书，那种豁然开朗的感觉就来了。作者用一种非常接地气的方式，将原本高深莫测的理论一点点拆解开来。我尤其喜欢它在介绍数学基础部分的处理方式，没有那种令人望而生畏的公式堆砌，而是通过形象的比喻和实际的例子来讲解，比如讲解齐次坐标的时候，它就把它比作是在三维空间里加了一个“维度”，虽然听起来有点抽象，但通过后续的推导和图示，我真的理解了为什么需要它，以及它在投影变换中扮演的角色。书中对于相机模型、畸变矫正、以及针孔相机模型等基础知识的讲解也十分到位，让我对图像是如何被采集和处理有了更清晰的认识。我最欣赏的是，作者并没有仅仅停留在理论层面，而是非常注重实践的指导。它详细讲解了如何使用一些开源库，比如PCL（Point Cloud Library）来处理点云数据，如何进行特征提取和匹配，以及如何构建三维地图。每一次阅读，都感觉自己离实际应用又近了一步。这本书对于我这样初学者来说，简直就像是一本“从零开始”的指导手册，让我对SLAM有了系统而深入的理解，也为我后续的学习打下了坚实的基础。

评分☆☆☆☆☆

这本书简直是一场关于“空间认知”的盛宴，它以一种独特而引人入胜的方式，将复杂的视觉SLAM技术呈现在读者面前。我一直对机器人如何在未知环境中自主导航充满好奇，而这本书正好满足了我这份好奇心。它并没有直接抛出高深的数学公式，而是从“我们是如何看到世界”这个直观的角度出发，一步步引导我们理解视觉SLAM的本质。书中的“数据关联”部分给我留下了深刻的印象，它不仅仅是简单地匹配图像中的点，而是探讨了如何在高维度的特征空间中寻找对应关系，以及如何利用这些对应关系来推断相机的运动。书中对“位姿图”（Pose Graph）的讲解也十分精辟，它将SLAM问题抽象成一个优化问题，通过求解一系列节点（相机位姿）和边（观测约束）的最优配置，来构建全局一致性的地图。这让我从一个全新的角度理解了SLAM的全局优化。我尤其喜欢书中关于“回环检测”的详细论述，它解释了为什么回环检测是SLAM系统中至关重要的一环，以及如何通过各种方法来识别之前访问过的场景，从而避免累积误差。书中对不同算法的权衡和取舍分析，以及对工程实现中可能遇到的挑战的探讨，都展现了作者深厚的理论功底和丰富的实践经验。这本书不仅仅是一本技术书籍，更像是一位经验丰富的向导，引领读者在视觉SLAM的广阔世界里探索前行。