第一部分 基础数学知识 1__eol__第1章 自动驾驶 3 __eol__1.1自动驾驶技术 3 __eol__1.1.1自动驾驶能力与分级 3 __eol__1.1.2L4 的典型业务 6 __eol__1.2自动驾驶中的定位与地图 10 __eol__1.2.1为什么 L4 自动驾驶需要定位与地图10 __eol__1.2.2高精地图的内容与生产 12 __eol__1.3本书内容的介绍顺序 14__eol____eol__第2章 基础数学知识回顾17 __eol__2.1 几何学19 __eol__2.1.1 坐标系 19 __eol__2.1.2 李群与李代数 26 __eol__2.1.3 SO(3)上的BCH线性近似式 27 __eol__2.2 运动学 27 __eol__2.2.1 李群视角下的运动学 28 __eol__2.2.2 四元数视角下的运动学 29 __eol__2.2.3 四元数的李代数与旋转矢量间的转换 30 __eol__2.2.4 其他几种运动学表达方式 32 __eol__2.2.5 线速度与加速度 34__eol__2.2.6 扰动模型与雅可比矩阵 35 __eol__2.3 运动学演示案例：圆周运动 37 __eol__2.4 滤波器与最优化理论 40 __eol__2.4.1 状态估计问题与最小二乘法 40 __eol__2.4.2 卡尔曼滤波器 40 __eol__2.4.3 非线性系统的处理方法 41 __eol__2.4.4 最优化方法与图优化 42 __eol__2.5 本章小结 44 __eol__习题 44 __eol____eol__第3章惯性导航与组合导航 47 __eol__3.1 IMU系统的运动学 49 __eol__3.1.1 关于IMU测量值的解释 51 __eol__3.1.2 IMU测量方程中的噪声模型 51 __eol__3.1.3 IMU的离散时间噪声模型 53 __eol__3.1.4 现实中的IMU 54 __eol__3.2 使用IMU进行航迹推算 56 __eol__3.2.1 利用IMU数据进行短时间航迹推算 56 __eol__3.2.2 IMU递推的代码实验 57__eol__3.3 卫星导航 61 __eol__3.3.1 GNSS的分类与供应商 61 __eol__3.3.2 实际的RTK安装与接收数据 63 __eol__3.3.3 常见的世界坐标系 64 __eol__3.3.4 RTK读数的显示 66 __eol__3.4 使用误差状态卡尔曼滤波器实现组合导航 72 __eol__3.4.1 ESKF的数学推导 72 __eol__3.4.2 离散时间的ESKF运动方程 77 __eol__3.4.3 ESKF的运动过程 78 __eol__3.4.4 ESKF的更新过程 79 __eol__3.4.5 ESKF的误差状态后续处理 80 __eol__3.5 实现ESKF的组合导航 82 __eol__3.5.1 ESKF的实现 82 __eol__3.5.2 实现预测过程 83 __eol__3.5.3 实现RTK观测过程 84 __eol__3.5.4 ESKF系统的初始化 87 __eol__3.5.5 运行ESKF 90 __eol__3.5.6 速度观测量 95 __eol__3.6 本章小结 98 __eol__习题 98 __eol____eol__第4章 预积分学 99__eol__ 4.1 IMU 状态的预积分学 101 __eol__4.1.1 预积分的定义 101 __eol__4.1.2 预积分测量模型 103 __eol__4.1.3 预积分噪声模型 106 __eol__4.1.4 零偏的更新 109__eol__4.1.5 预积分模型归结至图优化 112 __eol__4.1.6 预积分的雅可比矩阵 113 __eol__4.1.7 小结 115 __eol__4.2 实践：预积分的程序实现 116 __eol__4.2.1 实现预积分类 116 __eol__4.2.2 预积分的图优化顶点 120 __eol__4.2.3 预积分方案的图优化边 121 __eol__4.2.4 实现基于预积分和图优化的GINS 126 __eol__4.3 本章小结 133 __eol__习题 133__eol__第二部分激光雷达的定位与建图 135 __eol__第5章 基础点云处理 137 __eol__5.1 激光雷达传感器与点云的数学模型 139 __eol__5.1.1 激光雷达传感器的数学模型 139 __eol__5.1.2 点云的表达 141 __eol__5.1.3 Packet的表达 143 __eol__5.1.4 俯视图和距离图 144 __eol__5.1.5 其他表达形式 148 __eol__5.2 最近邻问题 148 __eol__5.2.1 暴力最近邻法 149 __eol__5.2.2 栅格与体素方法 152 __eol__5.2.3 二分树与K-d树 160 __eol__5.2.4 四叉树与八叉树 172 __eol__5.2.5 其他树类方法 179 __eol__5.2.6 小结180__eol__5.3 拟合问题 181 __eol__5.3.1 平面拟合 181 __eol__5.3.2 平面拟合的实现 184 __eol__5.3.3 直线拟合185 __eol__5.3.4 直线拟合的实现 187 __eol__5.4 本章小结 189 __eol__习题 190 __eol__第6章 2D SLAM 191 __eol__6.1 2D SLAM的基本原理193 __eol__6.2 扫描匹配算法195 __eol__6.2.1 点到点的扫描匹配 195 __eol__6.2.2 点到点ICP的实现（高斯-牛顿法）199 __eol__6.2.3 点到线的扫描匹配算法 203 __eol__6.2.4 点到线ICP的实现（高斯-牛顿法）204 __eol__6.2.5 似然场法 207 __eol__6.2.6 似然场法的实现（高斯-牛顿法）209 __eol__6.2.7 似然场法的实现（g2o）212 __eol__6.3 占据栅格地图 215 __eol__6.3.1 占据栅格地图的原理215 __eol__6.3.2 基于Bresenham算法的地图生成 216 __eol__6.3.3 基于模板的地图生成 218__eol__ 6.4 子地图 223 __eol__6.4.1 子地图的原理 223 __eol__6.4.2 子地图的实现 224__eol__6.5 回环检测与闭环 228 __eol__6.5.1 多分辨率的回环检测 229 __eol__6.5.2 基于子地图的回环修正 233 __eol__6.5.3 讨论 238 __eol__6.6 本章小结 241 __eol__习题 241 __eol__第7章 3D SLAM243 __eol__7.1 多线激光雷达的工作原理245 __eol__7.1.1 机械旋转式激光雷达245 __eol__7.1.2 固态激光雷达 246 __eol__7.2 多线激光雷达的扫描匹配248 __eol__7.2.1 点到点ICP 248 __eol__7.2.2 点到线、点到面ICP254 __eol__7.2.3 NDT方法258 __eol__7.2.4 本节各种配准方法与PCL内置方法的对比 265 __eol__7.3 直接法激光雷达里程计267 __eol__7.3.1 使用NDT构建激光雷达里程计 267 __eol__7.3.2 增量NDT里程计273 __eol__7.4 特征法激光雷达里程计280 __eol__7.4.1 特征的提取280 __eol__7.4.2 基于激光雷达线束的特征提取280 __eol__7.4.3 特征提取部分的实现281 __eol__7.4.4 特征法激光雷达里程计的实现286 __eol__7.5 松耦合LIO系统293 __eol__7.5.1 坐标系说明293__eol__7.5.2 松耦合LIO系统的运动与观测方程294 __eol__7.5.3 松耦合LIO系统的数据准备294 __eol__7.5.4 松耦合LIO系统的主要流程297 __eol__7.5.5 松耦合LIO系统的配准部分301 __eol__7.6 本章小结304 __eol__习题304__eol__第三部分应用实例 305 __eol__第8章 紧耦合LIO系统 307 __eol__8.1 紧耦合的原理和优点 309 __eol__8.2 基于IEKF的LIO系统 309 __eol__8.2.1 IEKF状态变量与运动方程 309 __eol__8.2.2 观测方程中的迭代过程 311 __eol__8.2.3 高维观测的等效处理 313 __eol__8.3 实现基于IEKF的LIO系统 315__eol__8.4 基于预积分的LIO系统 319 __eol__8.4.1 预积分LIO系统的原理 319 __eol__8.4.2 代码实现 321 __eol__8.5 本章小结 327 __eol__习题 327 __eol__第9章 自动驾驶车辆的离线地图构建 329 __eol__9.1 点云建图的流程 331__eol__9.2 前端实现 332__eol__9.3