视觉SLAM十四讲：从理论到实践 PDF 完整版

给寻找技术文档的朋友们精选了视觉SLAM相关的资料，介绍了关于视觉、SLAM方面，格式为PDF，资源大小85.4 MB，目前在视觉SLAM类资源综合评分为：9.7分。

《视觉SLAM十四讲：从理论到实践》 系统介绍了视觉SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包括计算机视觉的算法实现，例如多视图几何、回环检测等。此外，还提供了大量的实例代码供读者学习研究，从而更深入地掌握这些内容。 目录 第1 讲预备知识 1 1.1 本书讲什么1 1.2 如何使用本书3 1.2.1 组织方式3 1.2.2 代码5 1.2.3 面向的读者6 1.3 风格约定6 1.4 致谢和声明7 第2 讲初识SLAM 9 2.1 引子：小萝卜的例子11 2.2 经典视觉SLAM 框架17 2.2.1 视觉里程计17 2.2.2 后端优化19 2.2.3 回环检测20 2.2.4 建图21 2.3 SLAM 问题的数学表述22 2.4 实践：编程基础 25 2.4.1 安装Linux 操作系统25 2.4.2 Hello SLAM27 2.4.3 使用cmake28 2.4.4 使用库30 2.4.5 使用IDE32 第3 讲三维空间刚体运动37 3.1 旋转矩阵39 3.1.1 点和向量，坐标系39 3.1.2 坐标系间的欧氏变换40 3.1.3 变换矩阵与齐次坐标42 3.2 实践：Eigen 44 3.3 旋转向量和欧拉角48 3.3.1 旋转向量48 3.3.2 欧拉角50 3.4 四元数51 3.4.1 四元数的定义51 3.4.2 四元数的运算53 3.4.3 用四元数表示旋转55 3.4.4 四元数到旋转矩阵的转换55 3.5 * 相似、仿射、射影变换56 3.6 实践：Eigen 几何模块57 3.7 可视化演示60 第4 讲李群与李代数62 4.1 李群与李代数基础 64 4.1.1 群64 4.1.2 李代数的引出65 4.1.3 李代数的定义 67 4.1.4 李代数so(3) 67 4.1.5 李代数se(3)68 4.2 指数与对数映射69 4.2.1 SO(3) 上的指数映射69 4.2.2 SE(3) 上的指数映射.70 4.3 李代数求导与扰动模型72 4.3.1 BCH 公式与近似形式72 4.3.2 SO(3) 李代数上的求导73 4.3.3 李代数求导74 4.3.4 扰动模型（左乘）75 4.3.5 SE(3) 上的李代数求导76 4.4 实践：Sophus76 4.5 * 相似变换群与李代数.79 4.6 小结81 第5 讲相机与图像82 5.1 相机模型 84 5.1.1 针孔相机模型84 5.1.2 畸变87 5.1.3 双目相机模型 90 5.1.4 RGB-D 相机模型92 5.2 图像93 5.3 实践：图像的存取与访问95 5.3.1 安装OpenCV95 5.3.2 操作OpenCV 图像96 5.4 实践：拼接点云99 第6 讲非线性优化104 6.1 状态估计问题106 6.1.1 最大后验与最大似然106 6.1.2 最小二乘的引出 108 6.2 非线性最小二乘109 6.2.1 一阶和二阶梯度法110 6.2.2 高斯牛顿法111 6.2.3 列文伯格马夸尔特方法113 6.2.4 小结114 6.3 实践：Ceres115 6.3.1 Ceres 简介 116 6.3.2 安装Ceres116 6.3.3 使用Ceres 拟合曲线 117 6.4 实践：g2o121 6.4.1 图优化理论简介121 6.4.2 g2o 的编译与安装122 6.4.3 使用g2o 拟合曲线123 6.5 小结128 第7 讲视觉里程计1130 7.1 特征点法132 7.1.1 特征点132 7.1.2 ORB 特征134 7.1.3 特征匹配137 7.2 实践：特征提取和匹配138 7.3 2D2D: 对极几何141 7.3.1 对极约束141 7.3.2 本质矩阵143 7.3.3 单应矩阵146 7.4 实践：对极约束求解相机运动148 7.5 三角测量153 7.6 实践：三角测量154 7.6.1 三角测量代码154 7.6.2 讨论156 7.7 3D2D：PnP157 7.7.1 直接线性变换158 7.7.2 P3P159 7.7.3 Bundle Adjustment 161 7.8 实践：求解PnP165 7.8.1 使用EPnP 求解位姿165 7.8.2 使用BA 优化166 7.9 3D3D：ICP172 7.9.1 SVD 方法173 7.9.2 非线性优化方法 175 7.10 实践：求解ICP176 7.10.1 SVD 方法176 7.10.2 非线性优化方法178 7.11 小结180 第8 讲视觉里程计2182 8.1 直接法的引出184 8.2 光流（Optical Flow）185 8.3 实践：LK 光流187 8.3.1 使用TUM 公开数据集187 8.3.2 使用LK 光流188 8.4 直接法（Direct Method）192 8.4.1 直接法的推导 192 8.4.2 直接法的讨论195 8.5 实践：RGB-D 的直接法196 8.5.1 稀疏直接法196 8.5.2 定义直接法的边197 8.5.3 使用直接法估计相机运动 199 8.5.4 半稠密直接法200 8.5.5 直接法的讨论 202 8.5.6 直接法优缺点总结 203 第9 讲实践：设计前端205 9.1 搭建VO 框架 206 9.1.1 确定程序框架207 9.1.2 确定基本数据结构208 9.1.3 Camera 类210 9.1.4 Frame 类212 9.1.5 MapPoint 类 213 9.1.6 Map 类 213 9.1.7 Config 类 214 9.2 基本的VO：特征提取和匹配216 9.2.1 两两帧的视觉里程计216 9.2.2 讨论224 9.3 改进：优化PnP 的结果 224 9.4 改进：局部地图 227 9.5 小结233 第10 讲后端1 235 10.1 概述237 10.1.1 状态估计的概率解释237 10.1.2 线性系统和KF239 10.1.3 非线性系统和EKF242 10.1.4 EKF 的讨论243 10.2 BA 与图优化245 10.2.1 投影模型和BA 代价函数 245 10.2.2 BA 的求解247 10.2.3 稀疏性和边缘化248 10.2.4 鲁棒核函数255 10.2.5 小结256 10.3 实践：g2o257 10.3.1 BA 数据集257 10.3.2 g2o 求解BA258 10.3.3 求解262 10.4 实践：Ceres 264 10.4.1 Ceres 求解BA 265 10.4.2 求解267 10.5 小结269 第11 讲后端2 270 11.1 位姿图（Pose Graph）271 11.1.1 Pose Graph 的意义271 11.1.2 Pose Graph 的优化272 11.2 实践：位姿图优化274 11.2.1 g2o 原生位姿图 274 11.