同時(shí)定位與建圖的理論、方法及應(yīng)用

目錄
前言
第1章 緒論 1
1.1 基于激光的SLAM系統(tǒng) 1
1.1.1 發(fā)展歷程 5
1.1.2 挑戰(zhàn)和未來(lái)發(fā)展方向 6
1.2 基于視覺的SLAM系統(tǒng) 7
1.2.1 發(fā)展歷程 7
1.2.2 未來(lái)發(fā)展方向 10
1.3 基于多傳感器融合的SLAM系統(tǒng) 10
1.3.1 多傳感器標(biāo)定 13
1.3.2 激光和視覺融合 15
1.3.3 未來(lái)發(fā)展方向 16
參考文獻(xiàn) 18
第2章 SLAM基礎(chǔ)算法 22
2.1 視覺與激光SLAM算法 23
2.1.1 視覺SLAM算法 23
2.1.2 激光SLAM算法 32
2.1.3 IMU算法 38
2.2 狀態(tài)估計(jì)模型 46
2.2.1 卡爾曼濾波 47
2.2.2 粒子濾波 49
2.2.3 非線性優(yōu)化 55
參考文獻(xiàn) 57
第3章 SLAM相關(guān)數(shù)學(xué)知識(shí) 59
3.1 非線性優(yōu)化方法 59
3.1.1 基本方法介紹 59
3.1.2 高斯-牛頓法 61
3.1.3 L-M方法 63
3.1.4 Dog-leg法 65
3.2 非線性優(yōu)化中的求導(dǎo)方法 68
3.2.1 SLAM后端非線性優(yōu)化 68
3.2.2 自動(dòng)求導(dǎo) 71
3.2.3 解析導(dǎo)數(shù) 73
3.2.4 代數(shù)導(dǎo)數(shù) 73
3.3 參數(shù)化方法 75
3.3.1 旋轉(zhuǎn)矩陣 75
3.3.2 歐拉角 76
3.3.3 四元數(shù) 77
3.4 誤差的定義和位姿的三種物理含義 79
3.4.1 SLAM誤差定義 79
3.4.2 位姿的三種物理含義 80
參考文獻(xiàn) 81
第4章 傳感器標(biāo)定 82
4.1 視覺傳感器標(biāo)定方法 82
4.1.1 相機(jī)模型 82
4.1.2 單目相機(jī)標(biāo)定方法 84
4.1.3 多目相機(jī)標(biāo)定方法 88
4.1.4 標(biāo)定開源工具 91
4.1.5 基于三維標(biāo)定板的相機(jī)內(nèi)參標(biāo)定新方法 93
4.2 視覺-激光外參標(biāo)定 101
4.2.1 現(xiàn)有激光-相機(jī)外參標(biāo)定方法 101
4.2.2 基于三維標(biāo)定板的自動(dòng)外參標(biāo)定方法 103
4.3 GNSS-IMU-視覺外參標(biāo)定方法 104
4.3.1 視覺-IMU標(biāo)定方法 104
4.3.2 GNSS/INS-激光雷達(dá)/相機(jī)外參標(biāo)定方法 107
參考文獻(xiàn) 110
第5章 視覺SLAM方法 112
5.1 基于李群李代數(shù)的ICP總體*小二乘方法 112
5.1.1 研究?jī)?nèi)容概述 112
5.1.2 基于李群李代數(shù)的總體ICP算法 113
5.1.3 基于向量的坐標(biāo)解算方法 120
5.1.4 實(shí)驗(yàn)結(jié)果 123
5.2 基于穩(wěn)定框架下的PnP方法 130
5.2.1 研究?jī)?nèi)容概述 131
5.2.2 歸一化PnP算法 135
5.2.3 實(shí)驗(yàn)結(jié)果 138
5.3 不依賴FEJ的位姿圖優(yōu)化方法 149
5.3.1 研究?jī)?nèi)容概述 149
5.3.2 增量式PGO算法 150
5.3.3 實(shí)驗(yàn)結(jié)果 158
參考文獻(xiàn) 168
第6章 激光SLAM方法 172
6.1 現(xiàn)有激光SLAM算法 172
6.2 特征點(diǎn)提取與匹配 175
6.3 基于體素的平面檢測(cè)方法 180
6.3.1 平面匹配 180
6.3.2 多邊形邊界估計(jì) 183
6.3.3 平面參數(shù)更新方法 184
6.3.4 激光*率的檢測(cè)結(jié)果 187
6.3.5 基于三次增長(zhǎng)法的平面檢測(cè)結(jié)果 191
參考文獻(xiàn) 193
第7章 多傳感器融合的SLAM方法 195
7.1 GNSS定位原理與方法 195
7.1.1 GNSS定位基本原理 196
7.1.2 GNSS定位性能評(píng)價(jià) 199
7.1.3 GNSS定位與SLAM的坐標(biāo)系統(tǒng) 202
7.2 多傳感器松耦合/緊耦合方法 205
7.2.1 Visual-IMU組合模型 205
7.2.2 LiDAR-IMU組合模型 209
7.3 激光-視覺的融合方法 214
7.3.1 優(yōu)化方法 216
7.3.2 基于平面投影的可視化方法 224
7.4 激光-視覺-GNSS-IMU融合方法 227
7.4.1 融合框架 228
7.4.2 基于因子圖優(yōu)化的狀態(tài)估計(jì) 229
參考文獻(xiàn) 232
第8章 SLAM系統(tǒng)典型應(yīng)用 234
8.1 SLAM技術(shù)在變電站巡檢中的應(yīng)用 235
8.1.1 背景介紹 235
8.1.2 解決方案 236
8.1.3 測(cè)試結(jié)果 236
8.2 SLAM技術(shù)在村鎮(zhèn)土地調(diào)查中的應(yīng)用 238
8.2.1 村鎮(zhèn)用地信息獲取的特點(diǎn) 239
8.2.2 村鎮(zhèn)用地信息獲取的SLAM技術(shù)模式 240
8.2.3 基于空地協(xié)同的用地信息獲取方法 241
8.2.4 基于空地協(xié)同的點(diǎn)云配準(zhǔn)與三維重建 246
8.2.5 實(shí)驗(yàn)設(shè)計(jì)與分析 247
8.2.6 展望 253
8.3 SLAM技術(shù)在城市綠化智能管護(hù)中的應(yīng)用 254
8.3.1 背景介紹 254
8.3.2 城市綠化智能管護(hù)系統(tǒng)組成 255
8.3.3 系統(tǒng)功能及性能 257
8.3.4 系統(tǒng)測(cè)試結(jié)果分析 260
8.3.5 應(yīng)用前景 266
8.3.6 小結(jié) 266
參考文獻(xiàn) 266