作 者:(加)蒂莫西·D.巴富特 著 高翔 等 译
定 价:102
出 版 社:西安电子科技大学出版社
![]()
出版日期:2018年11月01日
![]()
页 数:339
![]()
装 帧:平装
![]()
ISBN:9787569307917
![]()
![目录]()
●简介
译者序
序言
缩略语
符号对照表
章引言
1.1状态估计简史
1.2传感器、测量和问题定义
1.3本书组织结构
1.4与其他教程的关系
部分状态估计机理
第2章概率论基础
2.1概率密度函数
2.1.1定义
2.1.2贝叶斯公式及推断
2.1.3矩
2.1.4样本均值和样本方差
2.1.5统计独立性与不相关性
2.1.6归一化积
2.1.7香农信息和互信息
2.1.8克拉美罗下界和费歇尔信息量
2.2高斯概率密度函数
2.2.1定义
2.2.2Isserlis定理
2.2.3联合高斯概率密度函数分解与推断
2.2.4统计独立性、不相关性
2.2.5高斯分布随机变量的线性变换
2.2.6高斯概率密度函数的归一化积
2.2.7Sherman.MorrisonWoodbury等式
2.2.8高斯分布随机变量的非线性变换
2.2.9高斯分布的香农信息
2.2.10联合高斯概率密度函数的互信息
2.2.1l高斯概率密度函数的克拉美罗下界
2.3高斯过程
2.4总结
2.5习题
第3章线性高斯系统的状态估计
3.1离散时间的批量估计问题
3.1.1问题定义
3.1.2大后验估计
3.1.3贝叶斯推断
3.1.4存在性、性与能观性
……
第4章 非线性非高斯系统的状态估计
第5章 偏差、匹配和外点
第二部分 三维空间运动机理
第6章 三维几何学基础
第7章 矩阵李群
第三部分 应用
第8章 位姿估计问题
第9章 位姿和点的估计问题
0章 连续时间的估计
附录A补充材料
参考文献
索引
![内容简介]()
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。
![作者简介]()
(加)蒂莫西·D.巴富特 著 高翔 等 译
蒂莫西·D.巴富特博士(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。
