机器人学中的状态估计

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。