机器人学中的状态估计（人工智能与机器人系列）

机器人学的经典教材，状态估计书目

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。

Timothy Barfoot 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International Journal of Robotics Research 和Journal of Field Robotics 的编辑委员会成员，并且在2015 年多伦多举办的Field and Service Robotics 会议中担任主席。

State Estimation for Robotics早已在SLAM领域广为流传，几乎是SLAM入门的经典书籍之一。本书深入讲解了状态估计的机理、三维几何学基础、矩阵李群以及位姿和点的估计方法等，尤其对基于滤波器的状态估计方法的介绍全面深刻。现在在高翔、颜沁睿、刘富强等十多位SLAM专家、爱好者的共同努力下，中文译本《机器人学中的状态估计》也终于得以面世。这对于国内广大SLAM爱好者来说，可谓一大福音，值得隆重推荐。 

——浙江大学教授，CAD & CG国家重点实验室计算机视觉团队带头人，章国锋

State Estimation for Robotics是加拿大多伦多大学Barfoot教授的名著，也是机器人方向的经典教材之一。该书侧重数学基础，先花了三分之二的篇幅来介绍概率、几何方面的基础知识，*后又回到应用问题，详细介绍了基于点云和图像的姿态估计。

这是一本难得的既注重基础又顾及前沿研究问题的教材。书的译者是一群对机器人技术富有激情的年轻人，他们中的许多人在计算机视觉、机器人等科研领域开始崭露头角。这本译作倾注了他们的满腔热忱和对国内技术发展的期望。

——加拿大西蒙弗雷泽大学终身教授，谭平

本书介绍了机器人领域的重要核心技术——状态估计。这本书不只介绍了一些传统的经典算法，也涉及了*的行业进展和应用，同时还传授了一些基础的数学工具。本书使用严谨的数学语言，同时又深入浅出，是初学者不可多得的良师益友。

——自动驾驶公司AutoX创始人，原美国普林斯顿大学计算机视觉与机器人实验室主任，麻省理工学院博士 肖健雄

目录 

第1章 引言

部分  状态估计机理 

第2章 概率论基础

第3章 线性高斯系统的状态估计

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

第10章 连续时间的估计

译者序 

Timothy Barfoot 教授的《机器人学中的状态估计》一书，前后花费了两年时间写成。初稿甫成，就将草稿公开于互联网，供世界各地读者阅读、纠错。当时，我们就觉得这本书理论之深刻、叙述之严谨、应用之广泛，实在是一本机器人方向不可多得的好书。倘若中国读者，或为语言之碍，或为地域所隔，无法了解此书的奥秘，实乃遗憾之事。2017 年春，机缘巧合，西安交大出版社获得了本书的中文版权，而我们亦有幸参与此书的翻译工作。希望这本中译本能够让中国的学生、研究人员更好地理解状态估计的内容，将理论知识运用到实践中去。

……

本书的中译本是许多同学、老师协作的成果。每一章节基本由一到两位同学负责翻译，分工如下：第1、2 章由范帝楷、郭玉峰负责；第3 章由高翔负责；第4 章由谢晓佳负责；第5 章由左星星负责；第6 章由秦超负责；第7 章由吴博、颜沁睿和张明明负责；第8 章由郑帆、刘富强负责；第9 章由张明负责；第10 章由范帝楷负责。后由谢晓佳和高翔做了整体的校订工作。审稿期间，浙江大学CAD&CG 国家重点实验室计算机视觉组的章国锋教授团队（含学生李津羽、王儒、黄昭阳、杨镑镑、叶智超、唐庆、曹健、钱权浩），湘潭大学的黄山老师，扬州大学的莫小雨同学，UCL 的李天威同学，中国科学院电子所的肖麟慧同学，刘施菲博士，以及许多互联网上的老师、同学均参与了本书的审稿工作，进一步保证了译文的质量。翻译过程中，的工作量在于把原书上千条数学公式用LATEX 重新进行输入和整理，在此特别向各位参与翻译和审稿工作的同学致以谢意。

鉴于译者的知识水平所限，译文中疏误之处在所难免，恳请读者不吝指正。“细推物理须行乐，何须浮名绊此身”，我们也希望读者能在阅读过程中，学到知识，产生兴趣。

序言 

我的研究方向是移动机器人学，特别是用于空间探索的那一类机器人。在研究过程中，我对状态估计问题产生了浓厚的兴趣。在这个领域中，有一个广为人知、倍受青睐的研究方向：概率机器人（probabilistic robotics）。随着近年来计算资源的日渐廉价，数码相机、激光测距仪等大量新型传感器技术不断涌现，机器人学作为一个前沿研究方向，已经在状态估计领域中催生了大量激动人心的新思想、新动态。

机器人学也是先将贝叶斯滤波器应用于实际场合的领域。所谓贝叶斯滤波器，事实上是著名的卡尔曼滤波器更为一般的形式。在短短的几年中，移动机器人的研究方法已经从贝叶斯滤波器走向了批量的非线性优化方法，并取得了丰硕的成果。就我而言，我的研究方向主要是室外机器人导航，所以经常会遇到一些三维空间中运动车辆的问题。于是，我们将在本书中，详细地谈论三维空间中的状态估计问题。特别地，对于三维的旋转和姿态，我们将介绍简单实用的矩阵李群方法来处理它们。为了读懂本书，读者需要具备本科生水平的线性代数和微积分知识，不过即使没有，本书也自成一个体系。我希望这部分介绍对读者有所帮助，同时，教学相长，我亦在写作过程中受益匪浅。