机器人感知

基本信息（以实物为准）

• 商品名称：机器人感知(因子图在SLAM中的应用)
• 作者：(美)弗兰克·德尔阿特//迈克尔·克斯|译者:刘富强//董靖
• 定价：59
• 出版社：电子工业
• 书号：9787121338113

其他参考信息（以实物为准）

• 出版时间：2018-10-01
• 印刷时间：2018-10-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：145
• 字数：167千字

内容提要

弗兰克·德尔阿特、迈克尔·克斯著的《机器 人感知(因子图在SLAM中的应用)》作者是促成SLAM 从经典卡尔曼滤波形式向图优化模型转变的关键人 物，在SLAM领域的造诣 深厚，此书是他们在因 子图上的研究成果的汇集和整理，是一本 好的 SLAM方面的书籍。
     本书共通过7章，深入浅出地介绍了因子图数学 定义、推断方法，以及真实环境中机器人上的各种 应用。在涵盖了详细的背景知识及数学论证的同时 ，提供了充足的SLAM应用案例以供读者参考。

目录

第1章 引言
1.1 机器人领域中的推断问题
1.2 概率建模
1.3 生成模型的贝叶斯网络
1.4 概率密度函数
1.5 在贝叶斯网络中进行模拟
1.6 后验概率推断
1.7 因子图推断
1.8 因子图支持的计算
1.9 路线图
1.10 文献评论
第2章 平滑与地图构建
2.1 SLAM中的因子图
2.2 非线性因子图的 后验概率推断
2.3 线性化
2.4 小二乘问题的直接求解方法
2.5 后验概率推断的非线性优化
2.5.1 梯度下降法
2.5.2 高斯–牛顿法
2.5.3 列文伯格–马夸尔特算法
2.5.4 Dogleg 小化法
2.6 文献评论
第3章 探索稀疏性
3.1 关于稀疏性
3.1.1 启发性的例子
3.1.2 稀疏雅可比矩阵及其因子图
3.1.3 稀疏信息矩阵及其图表示
3.2 消元算法
3.3 利用变量消元进行稀疏矩阵分解
3.3.1 稀疏高斯因子
3.3.2 生成乘积因子
3.3.3 利用部分QR分解进行变量消元
3.3.4 多波前QR分解
3.4 稀疏乔里斯基分解与贝叶斯网络
3.4.1 线性高斯条件概率密度
3.4.2 反向替代求解贝叶斯网络
3.5 讨论
3.6 文献评论
第4章 消元顺序
4.1 消元的时间复杂度
4.2 变量顺序的影响
4.3 填充的概念
4.4 启发式排序
4.4.1 小度排序
4.4.2 嵌套分割排序
4.5 机器人领域中的启发式排序
4.6 嵌套分割和SLAM
4.7 文献评论
第5章 增量平滑与地图构建
5.1 增量推断