
陳苑鋒 董雪 馬建軍 徐守龍 朱兆穎 徐永龍 裘維東 陳巍 賀光紅 胡爽祿 李俊輝 林源 王鶴穎 陳昊陽 葉文韜
書對激光SLAM和視覺SLAM技術進行了系統介紹,涉及基礎理論、關鍵技術、應用實踐及未來趨勢,並探討了它們與智能網聯汽車的關係。既是想要在自動駕駛和智能汽車領域取得突破的從業者的閱讀選擇,也是追求SLAM技術深度與廣度的專業人士的學習資料。具體來說,本書從智能網聯汽車的基本概念入手,詳細介紹了SLAM技術的發展歷程、架構設計、核心算法以及在自動駕駛等級中的應用現狀和技術難點。不僅分析了多傳感器融合技術的同步與標定方法、融合策略,還深入探討了激光SLAM和視覺SLAM的點雲處理、關鍵幀提取、後端優化等關鍵技術,並通過Cartographer、LOAM、LeGO-LOAM、LIO-SAM等算法的代碼實戰,展示了SLAM技術的實際應用。此外,着重講解了深度學習在SLAM中的應用,如相機重定位、特徵點提取與匹配、視覺里程計、迴環檢測以及語義SLAM的前沿進展。之後,展望了激光SLAM和視覺SLAM技術的未來發展趨勢,提供了寶貴的行業洞察。
可以翻翻,但是簡介的專業性比較強,作爲投資者來說,有個概念性的認知是很有必要的。在《智能網聯汽車:激光與視覺SLAM詳解》書中寫到,“智能網聯汽車是智能汽車發展到新階段的完整表達,是汽車與移動通信、人工智能、雲計算等新一代電子信息技術相互結合和融合創新的重要載體。自動駕駛汽車與智能汽車定義相同,是指在汽車上安裝相關裝置,可以部分或完全地替代人來完成汽車的駕駛操作——比如,攝像頭、雷達替代了人的眼睛和耳朵去感知環境,中央控制器替代了人的大腦去進行思考決策,線控執行裝置代替人的手和腳去控制加減速和轉彎,從而實現各種級別的汽車自動駕駛。SLAM包括兩部分功能——定位(估算出機器人/無人車的狀態)和建圖(構建機器人所處環境的地圖)。機器人/無人車狀態是由其姿態(位置和方向)來描述的,可能會包含機器人運行速度等信息;而地圖表示的是與環境描述有關的信息,例如地標、障礙物的位置等。”汽車在電動化之後,因爲其經濟價值空間,成爲最好的智能化發展目標,無論芯片半導體激光雷達感知體系等,都能得到高速的發展和應用,可以確定的是,汽車的思考體系、感知系統和決斷執行方式,越來越以“人工智能”的方式類人化,它是一個高度系統集成的複雜體系,汽車整機和超強技術儲備的大公司以及創新型的技術公司會因此得到高速的發展,同時技術遷移而更深刻的影響更廣泛意義上的智能世界,但絕不是A股意義上概念上蹭的產業鏈端的一點點上游工業,畢竟現在誰的汽車不使用輪胎呢?深刻辨明其中的區別,是避免被概念化和成爲山巔頂峯站崗人的關鍵,科技新質生產力,或者說在中美新的博弈階段,必然是中高端產業的博弈,這是發展的必然,回過頭來看,房地產的收入高價補貼新能源汽車,以形成新的經濟支柱和引擎,在現在和未來便也有了更高的戰略意義,無論國家企業還是個體競爭,總要有拿得出手的東西,而這種越是需要時間積澱的智識,越是難以自由轉換,這也是市場經濟下,雖然人人都可以自由選擇職業,但是因爲智識的差異和職業壁壘,每個人的選擇總是極其有限的,可以向下兼容,但是向上跨越不易。
內容深度差一點,但是也算淺顯易懂了