●簡介
譯者序
序言
縮略語
符號對照表
第1章引言
1.1狀態估計簡史
1.2傳感器、測量和問題定義
1.3本書組織結構
1.4與其他教程的關繫
第一部分狀態估計機理
第2章概率論基礎
2.1概率密度函數
2.1.1定義
2.1.2貝葉斯公式及推斷
2.1.3矩
2.1.4樣本均值和樣本方差
2.1.5統計獨立性與不相關性
2.1.6歸一化積
2.1.7香農信息和互信息
2.1.8克拉美羅下界和費歇爾信息量
2.2高斯概率密度函數
2.2.1定義
2.2.2Isserlis定理
2.2.3聯合高斯概率密度函數分解與推斷
2.2.4統計獨立性、不相關性
2.2.5高斯分布隨機變量的線性變換
2.2.6高斯概率密度函數的歸一化積
2.2.7Sherman.MorrisonWoodbury等式
2.2.8高斯分布隨機變量的非線性變換
2.2.9高斯分布的香農信息
2.2.10聯合高斯概率密度函數的互信息
2.2.1l高斯概率密度函數的克拉美羅下界
2.3高斯過程
2.4總結
2.5習題
第3章線性高斯繫統的狀態估計
3.1離散時間的批量估計問題
3.1.1問題定義
3.1.2優選後驗估計
3.1.3貝葉斯推斷
3.1.4存在性、專享性與能觀性
……
第4章 非線性非高斯繫統的狀態估計
第5章 偏差、匹配和外點
第二部分 三維空間運動機理
第6章 三維幾何學基礎
第7章 矩陣李群
第三部分 應用
第8章 位姿估計問題
第9章 位姿和點的估計問題
第10章 連續時間的估計
附錄A補充材料
參考文獻
索引
如何估計機器人在空間中移動時的狀態（如位置、方向）是機器人研究中一個重要的問題。大多數機器人、自動駕駛汽車都需要導航信息。導航的數據來自於相機、激光測距儀等各種傳感器，而它們往往受噪聲影響，這給狀態估計帶來了挑戰。本書將介紹常用的傳感器模型，以及如何在現實世界中利用傳感器數據對旋轉或其他狀態變量進行估計。本書涵蓋了經典的狀態估計方法（如卡爾曼濾波）以及更為現代的方法（如批量估計、貝葉斯濾波、sigmapoint濾波和粒子濾波、剔除外點的魯棒估計、連續時間的軌跡估計和高斯過程回歸）。這些方法在諸如點雲對齊、位姿圖松弛、光束平差法以及同時定位與地圖構建等重要應用中得以驗證。對機器人領域的學生和相關從業者來說，本書將是一份寶貴的資料。
