本书面向培养导航工程、机器人工程和人工智能复合型创新人才的需求，以移动机器人等无人系统为对象，系统讲述自主智能导航的概念内涵、技术框架和研究方法。全书内容主要包括机器人自主导航框架、环境语义感知、状态估计、同步定位与建图、视觉语义融合、导航规划与决策以及认知导航、多足机器人导航等方面的代表性技术和最新研究成果。本书力求反映智能导航技术的最新理论成果和应用案例，突出深度学习等AI技术在导航中的应用，并在各章节安排了相关工程实践教程。
本书可作为导航工程、测绘工程、遥感工程、自动化、计算机、电子信息和人工智能等专业高年级本科生和研究生的教材，也可供具有一定测绘导航、机器学习基础的工程技术人员参考和使用。

目录序一序二前言第1章 机器人自主智能导航概述 11.1 技术的发展和趋势 21.2 迈向智能导航 91.3 本书内容简介 13参考文献 14第2章 机器人自主导航框架 172.1 机器人操作系统简介 172.1.1 概述 172.1.2 ROS的基础概念与设计思想 182.2 自主导航框架 242.2.1 建图与地图发布模块 262.2.2 状态估计模块 292.2.3 全局路线规划模块 312.2.4 局部规划模块 312.2.5 抽象控制模块 322.3 用于机器人导航的硬件 342.3.1 主动传感器 342.3.2 被动传感器 392.3.3 电机 412.3.4 常见的机器人底盘及运动模型 422.3.5 融合北斗和AI的实验教学系统 512.4 工程实践：差速轮机器人的远程操控 522.4.1 环境配置与安装 532.4.2 代码解析 542.4.3 实验 552.5 工程实践：ROS：：Movebase 582.5.1 环境配置与安装 582.5.2 实验框图 612.5.3 仿真实验 63参考文献 65第3章 机器人环境语义感知 673.1 目标检测 673.1.1 概述 673.1.2 常用数据集及评估指标 693.1.3 二阶段目标检测模型 713.1.4 一阶段目标检测模型 743.2 图像分割 793.2.1 概述 793.2.2 常用数据集及评估指标 813.2.3 语义分割 833.2.4 实例分割 903.2.5 全景分割 933.2.6 融合深度信息的分割 953.3 目标跟踪 983.3.1 概述 983.3.2 常用数据集与评估指标 1013.3.3 单目标跟踪 1043.3.4 多目标跟踪 1113.4 视觉注意力 1133.4.1 概述 1133.4.2 基于Transformer的目标检测 1203.4.3 基于Transformer的图像分割 1233.4.4 基于Transformer的目标跟踪 1253.5 基于深度学习的3D点云语义感知 1273.5.1 概述 1273.5.2 常用数据集与评估指标 1303.5.3 3D点云目标检测 1303.5.4 3D点云分割 1343.5.5 3D点云目标跟踪 1373.6 图像和点云的融合语义感知 138
3.6.1 概述 1383.6.2 前期融合 1393.6.3 后期融合 1393.7 典型交通对象的语义感知 1403.8 工程实践：YOLO v4 1423.8.1 环境配置与安装 1423.8.2 代码解析 1453.8.3 实验 1463.9 工程实践：DeepLab v3 + 1493.9.1 环境配置与安装 1493.9.2 代码解析 1513.9.3 实验 1533.10 工程实践：SiamRPN 1613.10.1 环境配置 1623.10.2 代码解析 1633.10.3 实验 164参考文献 168第4章 机器人状态估计 1754.1 GNSS高精度定位定姿技术 1754.1.1 全球卫星导航系统 1754.1.2 GNSS快速定位 1844.1.3 GNSS高精度定位方法 1854.1.4 GNSS测向定姿 1894.2 基于IMU的主动姿态估计 1914.2.1 捷联惯性导航涉及的坐标系 1914.2.2 捷联惯性导航中IMU传感器误差建模 1934.2.3 捷联惯性导航姿态表示方法 1954.2.4 捷联惯导算法中的微分方程及其解算更新 1974.2.5 捷联惯导的误差微分方程 2014.3 基于激光雷达的定位 2044.4 基于视觉的定位 2044.5 基于机会信号的定位 2044.6 GNSS/SINS组合导航定位 2064.6.1 卡尔曼滤波用于数据融合 2084.6.2 GNSS/SINS松组合 2104.6.3 RTK/SINS紧组合 2134.7 因子图用于数据融合 2144.8 深度神经网络用于数据融合 2194.8.1 非端到端学习下的惯导定位方法 2194.8.2 端到端学习下的惯导定位方法 2234.8.3 监督学习下的视觉定位方法 2274.8.4 无监督学习下的视觉定位方法 2304.8.5 惯性传感器与视觉传感器的数据融合 2344.9 工程实践：利用网络RTK技术定位机器人 2374.9.1 实验准备 2374.9.2 GNSS数据格式 2384.9.3 实验 2394.10 工程实践：GNSS/INS松组合导航定位 2424.10.1 数据集介绍 2424.10.2 代码解析 2434.10.3 实验 2444.11 工程实践：RoNIN 2474.11.1
环境配置 2474.11.2 代码解析 2484.11.3 实验 250参考文献 252第5章 机器人同步定位与建图 2555.1 激光SLAM方法 2555.1.1 概述 2555.1.2 基于优化的激光SLAM 2585.1.3 基于滤波的激光SLAM 2665.2 视觉SLAM方法 2685.2.1 概述 2685.2.2 光流估计 2755.2.3 间接法视觉SLAM与经典方案 2805.2.4 直接法视觉SLAM与经典方案 2895.3 视觉惯性SLAM方法 2935.3.1 概述 2935.3.2 基于滤波的视觉惯性SLAM方法 2945.3.3 基于优化的视觉惯性SLAM方法 3025.4 激光惯性SLAM方法 3075.4.1 概述 3075.4.2 基于滤波的激光惯性SLAM 3085.4.3 基于优化的激光惯性SLAM 3135.5 事件相机SLAM方法 3155.6 工程实践：Cartographer 3195.6.1 环境配置 3195.6.2 代码解析 3235.6.3 Turtlebot3仿真实验 3245.7 工程实践：ORB-SLAM2 3265.7.1 环境配置 3275.7.2 代码解析 3295.7.3 实验 3315.8 工程实践：ORB-SLAM3 3335.8.1 环境配置 3335.8.2 代码解析 3365.8.3 实验 337参考文献 339第6章 机器人视觉语义融合 3446.1 语义辅助前端特征筛选 3446.1.1 概述 3446.1.2 语义分割辅助特征筛选 3456.1.3 实例分割辅助特征筛选 3476.2 语义辅助后端定位优化 3506.2.1 概述 3506.2.2 像素级语义辅助后端 3506.2.3 物体级语义辅助后端 3536.3 语义辅助回环检测 3566.3.1 概述 3566.3.2 基于特征的回环检测 3576.3.3 基于场景的回