第1章 绪论 001__eol__1.1 引言 001__eol__1.2 研究现状 002__eol__1.2.1 国外研究现状 002__eol__1.2.2 国内研究现状 004__eol__1.3 本书研究内容 006__eol__第2章 SLAM前端算法 008__eol__2.1 引言 008__eol__2.2 特征提取 009__eol__2.3 位姿估计 010__eol__2.3.1 霍恩法 010__eol__2.3.2 奇异值分解法 012__eol__2.4 误差传播 012__eol__2.4.1 匹配点误差传播 013__eol__2.4.2 点云误差传播 014__eol__2.4.3 误差传播试验 015__eol__2.5 实验与分析 015__eol__2.6 本章小结 017__eol__第3章 SLAM后端算法 018__eol__3.1 引言 018__eol__3.2 位姿SLAM算法的预备知识 019__eol__3.2.1 状态增强 019__eol__3.2.2 状态更新 020__eol__3.2.3 数据关联 021__eol__3.2.4 状态稀疏性 024__eol__3.3 六自由度位姿SLAM算法 024__eol__3.3.1 欧拉角参数化 025__eol__3.3.2 四元数参数化 026__eol__3.4 遍历性地图的构建 028__eol__3.5 位姿SLAM建图 029__eol__3.5.1 视觉里程计 029__eol__3.5.2 三维体积地图 030__eol__3.5.3 三维遍历地图 031__eol__3.6 本章小结 032__eol__第4章 基于激光传感器的SLAM算法 033__eol__4.1 引言 033__eol__4.2 基于激光传感器的SLAM算法模型 034__eol__4.2.1 SLAM问题的概率模型 034__eol__4.2.2 EKF-SLAM算法 034__eol__4.2.3 基于粒子滤波的SLAM算法 036__eol__4.2.4 基于滤波的SLAM算法的局限性 039__eol__4.3 改进滤波SLAM算法 039__eol__4.3.1 建议分布函数的计算 039__eol__4.3.2 算法流程 041__eol__4.4 实验与分析 042__eol__4.4.1 仿真环境中的算法对比 042__eol__4.4.2 真实环境中的算法对比 043__eol__4.5 本章小结 045__eol__第5章 位姿SLAM在置信空间中的路径规划 046__eol__5.1 引言 046__eol__5.2 位姿SLAM路径规划算法的原理 048__eol__5.2.1 提高位姿SLAM图的连通性 049__eol__5.2.2 路径步长的不确定性 050__eol__5.2.3 沿路径的最小不确定性 051__eol__5.3 位姿SLAM路径规划算法的实现 052__eol__5.4 实验与分析 054__eol__5.4.1 合成数据集实验 054__eol__5.4.2 室内数据集实验 055__eol__5.4.3 大规模数据集 057__eol__5.4.4 密集三维建图数据集 060__eol__5.4.5 真实机器人导航 062__eol__5.4.6 基于图优化的SLAM算法的路径规划 064__eol__5.5 本章小结 067__eol__第6章 RRT*路径规划算法 068__eol__6.1 引言 068__eol__6.2 RRT*路径规划算法的基本原理 068__eol__6.3 RRT*路径规划算法的局限性 069__eol__6.4 改进RRT*路径规划算法 070__eol__6.4.1 标准离散时间MPC 070__eol__6.4.2 动态环境中的随机最优化 071__eol__6.5 实验与分析 072__eol__6.5.1 仿真环境中的算法实验 072__eol__6.5.2 真实环境中的算法实验 074__eol__6.6 本章小结 078__eol__第7章 主动式SLAM 079__eol__7.1 引言 079__eol__7.2 动作集 080__eol__7.2.1 探索性动作 080__eol__7.2.2 位置重访动作 081__eol__7.3 动作的效用 082__eol__7.4 重新规划 083__eol__7.5 实验与分析 084__eol__7.5.1 路径探测 084__eol__7.5.2 路径重新规划 085__eol__7.5.3 与基于边界的探索的比较 086__eol__7.5.4 基于图优化的SLAM的探索 087__eol__7.6 本章小结 089__eol__第8章 多机器人编队SLAM 090__eol__8.1 引言 090__eol__8.2 多机器人系统 091__eol__8.3 基于SLAM的机器人探测方法 091__eol__8.3.1 位姿跟踪方法 091__eol__8.3.2 二维与三维联合建图方法 096__eol__8.4 多机器人定位与建图 100__eol__8.5 本章小结 104__eol__第9章 基于VSLAM的几何地图构建算法 106__eol__9.1 引言 106__eol__9.2 RGB-D三维建图算法 106__eol__9.3 ORB算法 107__eol__9.4 点云生成与点云配准 109__eol__9.4.1 点云生成 109__eol__9.4.2 点云配准 109__eol__9.5 地图优化 110__eol__9.6 实验与分析 111__eol__9.6.1 机器人系统配置 111__eol__9.6.2 几何地图构建 112__eol__9.6.3 分析与评估 113__eol__9.7 本章小结 114__eol__第10章 基于视觉与定位系统融合的地图构建 115__eol__10.1 引言 115__eol__10.2 RGB-D信息获取的原理 116__eol__10.3 基于RGB-D摄像头的VSLAM系统构建 117__eol__10.3.1 VSLAM系统模块 117__eol__10.3.2 机器人系统建模 118__eol__10.3.3 Kinect摄像头的标定 122__eol__10.4 基于图像数据与运动数据融合的三维建图 126__eol__10.4.1 特征提取与特征匹配 126__eol__10.4.2 MICP算法 128__eol__10.4.3 FastSLAM算法 129__eol__10.5 实验与分析 130__eol__10.5.1 机器人软硬件配置及实验环境 130__eol__10.5.2 VSLAM算法的性能评估 131__eol__10.6 本章小结 135__eol__第11章 基于VSLAM的环境语义地图构建方法 137__eol__11.1 引言 137__eol__11.2 Mask RCNN算法 137__eol__11.3 Mask RCNN算法测试 139__eol__11.3.1 自建数据集实验 139__eol__11.3.2 连续场景实验 140__eol__11.3.3 分析与评估 141__eol__11.4 语义SLAM算法 141__eol__11.5 DynaSLAM算法 142__eol__11.5.1 系统综述 142__eol__11.5.2 动态障碍物分割 143__eol__11.6 MaskFusion算法 143__eol__11.6.1 MaskFusion系统综述 144__eol__11.6.2 帧间追踪 144__eol__11.6.3 语义与几何分割 144__eol__11.7 OMASK-SLAM算法 145__eol__11.7.1 系统框架 145__eol__11.7.2 几何特征与语义信息的融合 145__eol__11.7.3 动态障碍物处理 147__eol__11.8 实验与分析 148__eol__11.8.1 实验平台 148__eol__11.8.2 语义地图构建 148__eol__11.8.3 分析与评估 149__eol__11.9 本章小结 149__eol__第12章 基于行为识别的三维语义建图 150__eol__12.1 引言 150__eol__12.2 语义建图系统建模 151__eol__12.2.1 问题表述 151__eol__12.2.2 运动传感器信息源 152__eol__12.2.3 活动位置信息源 153__eol__12.2.4 运动信息与位置信息融合 153__eol__12.2.5 语义地图信息反馈 155__eol__12.3 基于可穿戴式运动传感器的人体活动识别 155__eol__12.3.1 人体活动识别方法的分类 155__eol__12.3.2 人体活动识别系统的框架 156__eol__12.3.3 分层活动和手势模型 157__eol__12.3.4 基