★從未知環境中的定位、地圖建構到處理意外情況,
▶▶▶ SLAM技術一次完整到位學習!
SLAM 是指移動智慧體從一個未知環境裡的未知地點出發,在運動過程中透過自身感測器觀測周圍環境,並根據環境定位自身的位置,再根據自身的位置進行增量式的地圖建構,從而達到同時定位和地圖建構的目的。舉凡機器人、無人機、汽車,或其它可穿戴裝置等,都可以運用 SLAM 在其中。
➊ 第一部分涵蓋 SLAM 的基礎知識,包括定義、應用場景、程式設計及編譯工具、數學基礎知識、相機成像模型、對極幾何以及圖最佳化函式庫的使用。
➋ 第二部分專注於視覺 SLAM 框架 ORB-SLAM2 的原理和核心程式,從 ORB 特徵提取、特徵匹配、地圖點、主要畫面格、圖結構到地圖初始化、追蹤執行緒、局部地圖建構執行緒、閉環執行緒以及最佳化方法。通過對 ORB-SLAM2 的深入剖析,讀者可以更好地理解視覺 SLAM 的工作原理。
➌ 第三部分則介紹 ORB-SLAM2 的升級版——視覺慣性系統 ORB-SLAM3 的主要新增內容和程式,包括 IMU 預積分、多地圖系統、追蹤執行緒、局部地圖建構執行緒、閉環及地圖融合執行緒。最後一章還對視覺 SLAM 的現在與未來進行了總結和展望。
【本書特點】
✪ SLAM 的定義、應用場景和應用領域
✪ C++ 11 新特性和 CMake 工具
✪ SLAM 中常用的數學基礎知識
✪ 相機成像模型和相機扭曲模型
✪ 對極幾何的基本概念
✪ g2o 函式程式庫的使用方法
✪ ORB 特徵提取與均勻化策略
✪ ORB-SLAM2 中的特徵匹配方法
✪ 地圖點、主要畫面格、圖結構
✪ ORB-SLAM2 中的地圖初始化方法
✪ ORB-SLAM2 中的追蹤執行線
✪ ORB-SLAM2 中的局部地圖建構執行線
✪ ORB-SLAM2 中的閉環執行線
✪ ORB-SLAM2 中的最優化方法
✪ ORB-SLAM3 的新增內容和程式,如 IMU 預積分、多地圖系統等
✪ ORB-SLAM3 中的 IMU 預積分原理及推導
✪ 多地圖系統的效果和作用
✪ 地圖融合的具體流程和程式實現
✪ ORB-SLAM3中IMU的初始化過程
✪ 視覺SLAM的發展歷程和未來趨勢
▶▶▶ SLAM技術一次完整到位學習!
SLAM 是指移動智慧體從一個未知環境裡的未知地點出發,在運動過程中透過自身感測器觀測周圍環境,並根據環境定位自身的位置,再根據自身的位置進行增量式的地圖建構,從而達到同時定位和地圖建構的目的。舉凡機器人、無人機、汽車,或其它可穿戴裝置等,都可以運用 SLAM 在其中。
➊ 第一部分涵蓋 SLAM 的基礎知識,包括定義、應用場景、程式設計及編譯工具、數學基礎知識、相機成像模型、對極幾何以及圖最佳化函式庫的使用。
➋ 第二部分專注於視覺 SLAM 框架 ORB-SLAM2 的原理和核心程式,從 ORB 特徵提取、特徵匹配、地圖點、主要畫面格、圖結構到地圖初始化、追蹤執行緒、局部地圖建構執行緒、閉環執行緒以及最佳化方法。通過對 ORB-SLAM2 的深入剖析,讀者可以更好地理解視覺 SLAM 的工作原理。
➌ 第三部分則介紹 ORB-SLAM2 的升級版——視覺慣性系統 ORB-SLAM3 的主要新增內容和程式,包括 IMU 預積分、多地圖系統、追蹤執行緒、局部地圖建構執行緒、閉環及地圖融合執行緒。最後一章還對視覺 SLAM 的現在與未來進行了總結和展望。
【本書特點】
✪ SLAM 的定義、應用場景和應用領域
✪ C++ 11 新特性和 CMake 工具
✪ SLAM 中常用的數學基礎知識
✪ 相機成像模型和相機扭曲模型
✪ 對極幾何的基本概念
✪ g2o 函式程式庫的使用方法
✪ ORB 特徵提取與均勻化策略
✪ ORB-SLAM2 中的特徵匹配方法
✪ 地圖點、主要畫面格、圖結構
✪ ORB-SLAM2 中的地圖初始化方法
✪ ORB-SLAM2 中的追蹤執行線
✪ ORB-SLAM2 中的局部地圖建構執行線
✪ ORB-SLAM2 中的閉環執行線
✪ ORB-SLAM2 中的最優化方法
✪ ORB-SLAM3 的新增內容和程式,如 IMU 預積分、多地圖系統等
✪ ORB-SLAM3 中的 IMU 預積分原理及推導
✪ 多地圖系統的效果和作用
✪ 地圖融合的具體流程和程式實現
✪ ORB-SLAM3中IMU的初始化過程
✪ 視覺SLAM的發展歷程和未來趨勢
