张国良、姚二亮著的《移动机器人的SLAM与VSLAM方法》主要介绍移动机器人的自主定位和环境创建技术，即同时定位与地图创建(SLAM)。首先介绍了传统基于激光的SLAM方法，而后阐述了基于视觉的SLAM方法(VSLAM)，并对VSLAM的各个部分进行了深入探讨。其中，第1章介绍了移动机器人中的关键技术，并引入同时定位与地图创建的概念。第2章对SLAM中常用的传统滤波方法、刚体运动表示和位姿表示方法进行了详细阐述。第3章讲解了基于激光传感器的经典SLAM方法，并针对存在的问题展开了进一步的研究。第4章介绍了常用的相机模型，而后从数学上描述了基于视觉的sLAM方法及其优化方法，并对VSL，AM中的重要概念进行了讲解。第5章从代码层面详细地剖析了一种经典的VSLAM实现方法，有助于读者深入理解VSL，AM的完整流程。第6章从视觉定位的精确性和鲁棒性出发，介绍了VSLAM中视觉里程计的不同设计方法。第7章则讲解了VSLAM中闭环检测的改进办法。针对存在错误闭环的问题，第8章介绍了不同的鲁棒优化方法。第9章从地图的表示方式和实用性出发，介绍了地图的表征方法。
本书可作为各理工科大学机器人、无人机、航空航天无人系统等相关专业的本科高年级教材与研究生教材和重要参考书籍，又可作为大学教师教授相关课程的参考书。

第1章 概述
1.1 从SLAM到VSLAM
1.1.1 未知环境下的同时地图创建与自定位
1.1.2 SLAM的基本状况
1.1.3 VSLAM的基本状况
1.2 SLAM与VSLAM的主要内容
1.2.1 SLAM的主要内容与难点
1.2.2 VSLAM的主要内容与难点
1.3 近年SLAM与VSLAM研究的几个方向
1.3.1 直接法与特征法融合问题
1.3.2 SLAM中IMU辅助的特征匹配
1.3.3 动态场景下SLAM的定位精度
1.3.4 利用语意信息辅助SLAM定位
1.3.5 长期SLAM问题
1.3.6 多机器人SLAM问题
第2章 经典SLAM方法的架构
2.1 SLAM问题的描述
2.1.1 SLAM问题的概率模型
2.1.2 机器人系统模型
2.1.3 SLAM算法的一致性
2.2 EKF—SLAM算法
2.2.1 扩展卡尔曼滤波算法
2.2.2 EKF-SLAM算法和一致性
2.3 FastSLAM算法
2.3.1 粒子滤波算法
2.3.2 Rao—Blackwellized粒子滤波算法
2.3.3 FastSLAM算法和一致性
2.4 实验结果与分析
2.5 EKF—SLAM算法和FastSLAM算法存在的问题
第3章 经典SLAM方法改进
3.1 基于三轮驱动运动模型的EKF—SLAM算法
3.1.1 两轮驱动移动机器人里程计圆弧模型
3.1.2 两轮驱动移动机器人运动模型
3.1.3 三轮驱动移动机器人里程计模型
3.1.4 三轮驱动移动机器人运动模型
3.1.5 实验结果与分析
3.2 基于线段特征匹配的EKFLSLAM算法
3.2.1 线段特征提取
3.2.2 线段特征观测模型
3.2.3 EKF—Line—SLAM算法
3.2.4 线段特征提取实验
3.2.5 EKF—Line-SLAM算法实验
3.3 改进的UFastSLAM算法
3.3.1 UFastSLAM算法
3.3.2 改进的UFastSLAM算法
3.3.3 实验结果与分析
3.4 基于PSO优化的粒子滤波sLAM算法
3.4.1 常规粒子滤波SLAM算法的不足
3.4.2 改进的建议分布
3.4.3 融合粒子群算法与粒子滤波的SLAM算法
3.4.4 实验仿真与分析
3.5 本章小结
第4章 VSLAM基础
4.1 立体相机模型
4.1.1 针孔相机模型
4.1.2 立体相机深度获取原理
4.1.3 反投影模型
4.1.4 Kinect深度误差模型
4.2 相机位姿表示
4.2.1 三维空间的刚体姿态描述
4.2.2 李群、李代数
4.2.3 相机位姿的表示方式
4.2.4 对相机位姿变换的求导
4.3 VSLAM的数学表述
4.4 非线性优化
4.5 视觉里程计
4.5.1 2D-3D法
4.5.2 3D-3D法
4.6 闭环检测
4.7 地图构建
4.8 本章小结
第5章 开源双目视觉SLAM框架及其实现
5.1 数据基础
5.1.1 MapPoint类
5.1.2 zrame尖
5.2 tracking类
5.2.1 双目初始化
5.2.2 跟踪参考关键帧
5.2.3 跟踪上一帧
5.2.4 重定位
5.2.5 跟踪局部地图
5.2.6 计算运动模型
5.2.7 判断关键帧
5.2.8 创建关键帧
5.3 LocalMapping类
5.3.1 处理新关键帧
5.3.2 地图点筛选
5.3.3 建立新地图点
5.3.4 附近关键帧搜索匹配地图点
5.3.5 局部BA
5.3.6 关键帧筛选
5.4 LoopClosing类
5.4.1 闭环检测
5.4.2 计算Sim3
5.4.3 闭环优化
5.5 本章小结
第6章 VSLAM前端——视觉里程计
6.1 基于改进视觉里程计和大回环模型的VSLAMI唢间配准算法
6.1.1 基于改进Color GICP算法的快速视觉里程计
6.1.2 基于模型到模型配准的大回环局部优化模型
6.1.3 实验及分析
6.2 考虑多位姿估计约束的立体视觉里程计
6.2.1 基于改进2D-2D位姿估计模型的位姿跟踪
6.2.2 基于改进3D-2D位姿估计模型的位姿跟踪
6.2.3 考虑多位姿估计约束的立体视觉里程计
6.2.4 实验与分析
6.3 动态场景下基于运动物体检测的立体视觉里程计
6.3.1 基于场景流的运动物体检测
6.3.2 基于运动物体检测的立体视觉里程计
6.3.3 实验与分析
6.4 本章小结
第7章 VSLAM后端——闭环检测
7.1 基于历史模型集的改进VSLAM闭环检测算法
7.1.1 基于改进Frame—to-model配准的历史模型集构建
7.1.2 基于历史模型集的改进闭环检测算法
7.1.3 实验及分析
7.2 基于空间位置不确定性约束的改进闭环检测算法
7.2.1 基于特征点云帧间配准的视觉里程计不确定性模型
7.2.2 基于空间位置不确定性约束的改进闭环检测算法
7.2.3 实验与分析
7.3 基于场景显著区域的闭环检测算法
7.3.1 闭环概率模型
7.3.2 显著区域选取与场景描述
7.3.3 基于逆向索引的预匹配场景选取
7.3.4 显著区域匹配概率的计算
7.3.5 实验与分析
7.4 本章小结
第8章 VSLAM后端——鲁棒优化估计
8.1 自适应的Graph SLAM鲁棒闭环算法
8.1.1 常规Graph SLAM鲁棒闭环算法
8.1.2 自适应