书籍名称：人工智能与机器人系列 机器人学中的状态估计
页数：339
作者：（加）蒂莫西·D.巴富特译；高翔，谢晓佳
出版时间：2018
ISBN：9787569307917
出版社：西安：西安交通大学出版社
简介：内容简介：本书主要分为三个部分：状态估计原理、三维空间运动原理，以及应用知识。第一部分，介绍了经典和现代的状态估计方法。内容包括递归方法和批处理方法，且将贝叶斯方法应用于状态估计问题中。第二部分，讲解了三维空间几何基础，详细介绍了矩阵李群的知识，讨论三维空间的几何学，运动学，以及旋转和位姿（平移加上旋转）相关的概率论与统计方法。第三部分的内容结合应用理论知识，解决三维空间中光束平差、SLAM等一些现实的问题。如何估计机器人在空间中移动时的状态（如位置、方向）是机器人研究中一个重要的问题。大多数机器人、自动驾驶汽车都需要导航信息。导航的数据来自于相机、激光测距仪等各种传感器，而它们往往受噪声影响，这给状态估计带来了挑战。本书将介绍常用的传感器模型，以及如何在现实世界中利用传感器数据对旋转或其他状态变量进行估计。本书涵盖了经典的状态估计方法（如卡尔曼滤波）以及更为现代的方法（如批量估计、贝叶斯滤波、sigmapoint滤波和粒子滤波、剔除外点的鲁棒估计、连续时间的轨迹估计和高斯过程回归）。这些方法在诸如点云对齐、位姿图松弛、光束平差法以及同时定位与地图构建等重要应用中得以验证。对机器人领域的学生和相关从业者来说，本书将是一份宝贵的资料。TimothyBarfoot博士（多伦多大学航空航天研究所UTIAS教授）在工业和学术界的移动机器人导航中已有逾十五年的研究历史。他的研究领域涉及空间探索、采矿、军事和运输等，并在定位、建图、规划和控制方面作出了贡献。他是InternationalJournalofRoboticsResearch和JournalofFieldRobotics的编辑委员会成员，并且在2015年多伦多举办的FieldandServiceRobotics会议中担任主席。
前部分目录
第1章 引言——1
1.1 状态估计简史——1
1.2 传感器、测量和问题定义——3
1.3 本书组织结构——4
1.4 与其他教程的关系——5
第一部分 状态估计机理——7
第2章 概率论基础——9
2.1 概率密度函数——9
2.1.1 定义——9
2.1.2 贝叶斯公式及推断——10
2.1.3 矩——11
2.1.4 样本均值和样本方差——12
2.1.5 统计独立性与不相关性——12
2.1.6 归一化积——13
2.1.7 香农信息和互信息——13
2.1.8 克拉美罗下界和费歇尔信息量——14
······
······
······
