자율주행을 위한 비주얼 슬램(2판)
이론에서 실습까지
Visual SLAM을 소개하는 책이다. 그렇다면 SLAM은 뭘까? SLAM은 Simultaneous Localization and Mapping의 약자로, “지도 제작과 동시에 위치를 추정한다”는 의미이다. 이는 특정 센서를 탑재한 이동형 로봇이나 자율주행체가 어떠한 사전 정보 없이 이동 중에 주변 환경을 모델링하고 움직임을 추정하는 것을 말한다[1]. 이때 사용된 센서가 주로 카메라인 경우 이를 “Visual SLAM”이라고 한다.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
목차
목차
역자 서문
저자 서문
1장 예비 지식
1.1 이 책의 내용
1.2 이 책을 사용하는 방법
1.3 스타일 약속
1.4 감사의 말
연습문제
PART 1 수학의 기초
2장 SLAM에 대한 첫 번째 지식
2.1 소개: 순무 로봇
2.2 전형적인 Visual SLAM 프레임워크
2.3 SLAM 문제의 수학적 공식화
2.4 실습: 프로그래밍의 기초
연습문제
3장 3D 강체 변환
3.1 회전 행렬
3.2 실습: Eigen
3.3 회전 벡터과 오일러 각도
3.4 쿼터니언
3.5 어파인 변환과 투영 변환
3.6 실습: Eigen 형상 모듈
3.7 시각적 데모
연습문제
4장 리 군과 리 대수
4.1 리 군과 리 대수의 기초
4.2 자수와 로그 매핑
4.3 리 대수 유도 및 섭동 모델
4.4 실습: Sophus
4.5 유사 변환 군과 그의 리 대수
4.6 요약
연습문제
5장 카메라 및 이미지
5.1 핀홀 카메라 모델
5.2 이미지
5.3 실습: 컴퓨터 비전의 이미지
5.4 실습: 3D 비전
연습문제
6장 비선형 최적화
6.1 상태 추정 문제
6.2 비선형 최소 제곱 문제
6.3 실습: 커브 피팅
6.4 요약
연습문제
PART 2 실용적인 응용 프로그램
7장 시각적 주행거리 측정1
7.1 특징점 방법
7.2 실습: 특징점 추출 및 매칭
7.3 2D-2D: 에피폴라 기하
7.4 실습: 에피폴라 제약 조건을 이용한 카메라 모션의 해결
7.5 삼각측량
7.6 실습: 삼각측량
7.7 3D-2D PnP
7.8 실습: PnP
7.9 3D-3D Iterative Closest Point
7.10 실습: ICP 해결
7.11 요약
연습문제
8장 시각적 주행거리 측정2
8.1 다이렉트 방법의 동기
8.2 2D 광학 흐름
8.3 실습: LK 광학 흐름
8.4 다이렉트 방법
8.5 실습: 다이렉트 방법
연습문제
9장 백엔드 최적화 1
9.1 개요
9.2 번들 조정 및 그래프 최적화
9.3 실습: Ceres를 사용한 BA
9.4 실습: g2o를 사용한 BA의 해결
9.5 요약
연습문제
10장 백엔드 최적화 2
10.1 슬라이딩 윈도우 필터와 최적화
10.2 포즈 그래프 최적화
10.3 실습: 포즈 그래프 최적화
연습문제
11장 루프 백 감지
11.1 개요
11.2 Bag-of-Word 모델
11.3 사전
11.4 유사성 계산
11.5 실험 분석 및 검토
연습문제
12장 고밀도 맵 재구성
12.1 개요
12.2 단안으로 고밀도 맵 재구성
12.3 실습: 단안 고밀도 맵 재구성
12.4 RGB-D 고밀도 맵
12.5 TSDF와 RGB-D 퓨전
12.6 요약
연습문제
13장 연습: SLAM 시스템의 설계
13.1 별도의 실습 섹션이 있는 이유
13.2 엔지니어링 프레임워크
13.3 구현
13.4 실험 결과
연습문제
14장 SLAM: 현재와 미래
14.1 현재 오픈소스 솔루션
14.2 미래의 SLAM
연습문제
부록 A 가우시안 분포의 특성
부록 B 행렬 미분
부록 C ROS 시작하기
참고문헌
찾아보기
저자
저자
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.

