智能網聯汽車-激光與視覺SLAM詳解 陳苑鋒 董雪 馬建軍 9787111747550 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$693
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202404*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：智能網聯汽車-激光與視覺SLAM詳解 ISBN：9787111747550 出版社：機械工業 著編譯者：陳苑鋒 董雪 馬建軍 叢書名：智能汽車叢書 頁數：224 所在地：中國大陸 *此為代購商品 書號：1629795 可大量預訂，請先連絡。 內容簡介 本書對激光SLAM和視覺SLAM技術進行了系統介紹，涉及基礎理論、關鍵技術、應用實踐及未來趨勢，並探討了它們與智能網聯汽車的關係。既是想要在自動駕駛和智能汽車領域取得突破的從業者的閱讀選擇，也是追求SLAM技術深度與廣度的專業人士的學習資料。 具體來說，本書從智能網聯汽車的基本概念入手，詳細介紹了SLAM技術的發展歷程、架構設計、核心演算法以及在自動駕駛等級中的應用現狀和技術難點。不僅分析了多感測器融合技術的同步與標定方法、融合策略，還深入探討了激光SLAM和視覺SLAM的點雲處理、關鍵幀提取、後端優化等關鍵技術，並通過Cartographer、LOAM、LeGO-LOAM、LIO-SAM等演算法的代碼實戰，展示了SLAM技術的實際應用。此外，著重講解了深度學習在SLAM中的應用，如相機重定位、特徵點提取與匹配、視覺里程計、迴環檢測以及語義SLAM的最新進展。最後，展望了激光SLAM和視覺SLAM技術的未來發展趨勢，提供了寶貴的行業洞察。 總的來說，本書適合自動駕駛、機器人技術、計算機視覺及相關領域的研究人員、工程師以及高等院校相關專業的師生閱讀。通過本書，讀者不僅能夠獲得SLAM技術的全面系統知識，還能深入理解其在智能網聯汽車等領域的應用，為未來的研究與開發工作打下堅實的基礎。作者簡介 陳苑鋒，復旦大學微電子學專業博士，曾在韓國三星、華為、阿里巴巴就職，現為美的智能創新中心AIoT首席硬體架構師。兼任浙江工商大學客座教授、上海交通大學低碳學院校外導師，深圳市互聯網學會首席科學家、中國電子勞動學會專家委員會成員、星矢投資顧問專家，中國互聯網+大學生創新創業大賽專家評委。目錄 前言作者簡介 第1章 智能網聯汽車及SLAM概述 1 1 基本概念 1 1 1 智能網聯汽車 1 1 2 SLAM定義 1 1 3 地圖的分類與作用 1 1 4 SLAM技術探討 1 2 SLAM的應用現狀 1 2 1 自動駕駛等級 1 2 2 技術難點 1 2 3 SLAM的優勢 1 3 SLAM架構 1 3 1 環境感知 1 3 2 環境繪圖 1 3 3 運動規劃 1 3 4 車輛控制 1 3 5 監控系統 1 4 SLAM的發展階段與應用前景 1 4 1 SLAM演進的3個階段 1 4 2 SLAM的應用前景 第2章 自動駕駛常用感測器及原理 2 1 激光雷達 2 1 1 激光雷達的種類 2 1 2 三角測距激光雷達 2 1 3 ToF激光雷達 2 1 4 機械式激光雷達 2 1 5 混合固態激光雷達 2 1 6 固態激光雷達 2 1 7 競品對比 2 1 8 核心部件 2 1 9 應用及展望 2 2 深度相機 2 2 1 ToF深度相機 2 2 2 結構光深度相機 2 2 3 雙目深度相機 2 2 4 應用及展望 2 3 毫米波雷達 2 3 1 工作原理 2 3 2 測距功能原理 2 3 3 測速功能原理 2 3 4 角度估算原理 2 3 5 FoV計算原理 2 3 6 核心參數 2 3 7 應用及展望 第3章 多感測器融合 3 1 同步與標定 3 1 1 時間硬同步 3 1 2 時間軟同步 3 1 3 空間標定 3 2 融合策略 3 2 1 后融合 3 2 2 前融合 3 3 應用分析 3 3 1 自動駕駛應用 3 3 2 移動機器人應用 3 3 3 機械臂應用 第4章 激光SLAM 4 1 點雲預處理 4 1 1 點雲濾波 4 1 2 點雲分割 4 1 3 點雲運動補償 4 2 前端里程計 4 2 1 基於直接匹配的迭代最近點演算法 4 2 2 基於特徵匹配的正態分佈變換演算法 4 2 3 ICP演算法與NDT演算法的比較 4 3 關鍵幀提取 4 3 1 基於幀間運動的關鍵幀提取 4 3 2 基於時間間隔的關鍵幀提取 4 4 後端優化 4 4 1 基於圖優化的後端優化 4 4 2 基於濾波器的後端優化 4 5 激光SLAM演算法實戰 4 5 1 Cartographer演算法 4 5 2 Cartographer代碼實戰 4 5 3 LOAM演算法 4 5 4 LOAM代碼實戰A-LOAM 4 5 5 LeGO-LOAM演算法 4 5 6 LeGO-LOAM代碼實戰 4 5 7 LIO-SAM演算法 4 5 8 LIO-SAM代碼實戰 第5章 視覺SLAM 5 1 前端視覺里程計 5 1 1 基於特徵點法的視覺里程計 5 1 2 基於直接法的視覺里程計 5 2 後端非線性優化 5 2 1 BA優化 5 2 2 位姿圖優化 5 3 迴環檢測 5 3 1 詞袋模型 5 3 2 深度學習模型 5 4 建圖 5 4 1 度量地圖 5 4 2 拓撲地圖 5 4 3 特徵點地圖 5 5 常用的視覺SLAM演算法 5 5 1 ORB SLAM 2架構 5 5 2 SVO架構 5 5 3 DSO架構 5 5 4 VINS-Mono架構 5 5 5 代碼實戰 第6章 深度學習在SLAM中的應用 6 1 深度學習與相機重定位 6 1 1 基於深度神經網路的相機重定位方法 6 1 2 基於檢索的相機重定位方法 6 1 3 全場景理解 6 2 深度學習與特徵點的提取及匹配 6 2 1 深度卷積神經網路特徵點的鑒別 6 2 2 LIFT：基於深度學習的經典局部特徵提取方法 6 2 3 MatchNet：通過統一特徵和度量學習實現基於補丁的匹配 6 2 4 UCN：通用的圖像關聯預測器 6 3 深度學習與視覺里程計 6 4 深度學習與迴環檢測 6 5 深度學習與語義SLAM 6 5 1 語義分割網路 6 5 2 構建語義地圖 6 5 3 ORB SLAM實際操作 第7章 SLAM技術展望 7 1 激光SLAM的應用及展望 7 1 1 激光SLAM的應用現狀 7 1 2 激光SLAM的未來趨勢 7 2 視覺SLAM的應用及展望 7 2 1 視覺SLAM的應用現狀 7 2 2 視覺SLAM的未來趨勢 後記 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
