在移動互聯網大潮之後，自動駕駛、無人機、服務機器人等人工智能硬件會成爲下一個產業爆發點，其中關鍵的技術之一就是動態定位和環境建模的SLAM技術！
在計算機視覺（Computer Vision）創立之初，人們就想象着有朝一日計算機能和我們一樣，用眼睛去觀察世界，理解周遭的物體，探索未知的領域。這樣一個美妙而又浪漫的夢想，吸引了無數科研人員日夜爲之奮鬥。
但事情的進展遠不如預想那麼順利。我們眼中的花草樹木、蟲魚鳥獸，在計算機中只是由一個個數字自排列而成矩陣。讓計算機理解圖像的內容，就像讓我們自己理解這些數字一樣困難。更別提讓計算機去探索這個世界了。
隨着技術的發展，現在的我們終於有了一點點成功跡象：一方面是機器學習技術的發展，使計算機漸漸能夠辨別出物體、人臉、聲音、文字。另一方面，在SLAM（SimultaneousLocalization and Mapping，同時定位與地圖構建）發展了將近30年之後，我們的相機漸漸開始能夠認識到自身的位置，發覺自己在運動並感受周圍的環境，甚至可以進行實時的三維重建。
SLAM技術解決了機器人的一個基礎性困難——定位和建圖。當設備主體（機器人）來到一個完全陌生的環境時，它可以精準地在運動過程中建立環境模型，同時估計自己的運動。基於此，湧現出一大批與SLAM 相關的應用點：自動駕駛、無人機、服務機器人、虛擬現實和增強現實……
SLAM是計算機對世界的感知和理解，也一直是機器人和計算機視覺的研究熱點。
雖然SLAM理論框架基本趨於穩定，但其編程實現仍然較爲複雜，有着較高的技術門檻。加之，國內與SLAM 相關的論文、書籍非常匱乏，讓許多對SLAM 技術感興趣的初學者無從一窺門徑。剛步入SLAM 領域的研究者，不得不花很長的時間，學習大量的知識，走許多彎路才得以接近SLAM 技術的核心。
幸運的是，2017年《視覺 SLAM 十四講：**從理論到實踐》**一書出版。作爲SLAM第一本話語原創著作，這本書從基礎理論到代碼實例，系統性講解SLAM，大大降低了國內學生和相關從業者的進入門檻。
兩年來，《視覺SLAM十四講》一書共經歷了** 13 次重印，在 GitHub 上擁有 2500 個星星，也在業界引起了廣泛的關注和討論。今天，《視覺SLAM十四講：**從理論到實踐（第2版）》帶着超40%的內容增補回來了！
本書全面系統地介紹了以視覺傳感器爲主體的視覺SLAM 技術，並極其重視實踐。書中介紹的所有重要算法，都將給出可以運行的實際代碼，以求加深讀者的理解。在第2版中，我們會討論大多數算法的內在原理，而非簡單地從函數庫中進行調用。
之所以這麼做，主要是考慮到SLAM 是一項和實踐緊密相關的技術。再漂亮的數學理論，如果不能轉化爲可以運行的代碼，就仍是可望而不可及的空中樓閣，沒有實際意義。我們相信，實踐出真知，實踐出真愛。只有實際地演算過各種算法，你才能真正認識SLAM，真正地喜歡上科研。
（掃碼獲取本書詳情）
1. 更多的實例。
增加了一些實驗代碼來介紹算法的原理。在第1版中，多數實踐代碼調用了各種庫中的內置函數，現在作者認爲更深入地介紹底層計算會更好。所以本書中的許多代碼，除了調用庫函數，還提供了底層的實現。
2. 更深入的內容。
主要是從第7講至第12講的部分，同時刪除了一些泛泛而談的邊角料（比如GTSAM 相關內容）。對第1版大部分數學公式進行了審查，重寫了那些容易引起誤解的內容。
3. 更完善的工程項目。
將第1版的第9講移至第13 講。於是，我們可以在介紹了所有必要知識之後，向大家展現一個完整的SLAM 系統是如何工作的。相比於第1版，本書的項目中將追求以精簡的代碼實現完整的功能，你會得到一個由幾百行代碼實現的、有完整前後端的SLAM 系統。
4. 更通俗、簡潔的表達。
這是一本好書的標準，特別是當介紹一些看起來高深莫測的數學知識時。作者重新制作了部分插圖，使它們即使在黑白印刷條件下也能看起來很清楚。
高 翔
清華大學自動化系博士，慕尼黑工業大學博士後。研究興趣主要爲計算機視覺、定位與建圖、機器學習等，主要著、譯作包括《視覺SLAM十四講：從理論到實踐》、《機器人學中的狀態估計》，在RAS、Auto Robotics、IROS等期刊會議上發表論文，現從事自動駕駛車輛研發工作。
當年的 《視覺 SLAM 十四講》在豆瓣上被廣大網友推上了9.5分的神壇，而第二版也不負重望，完美延續了前身的超強口碑，來看看讀者們都是怎麼說的：
只要你對這門新技術感興趣，在學習本書的過程中肯定會有所收穫！你會掌握與SLAM 相關的理論知識，你的編程能力也將有明顯的進步。SLAM技術世界大門的鑰匙就在這裏，趕快識別下方二維碼獲取吧!
（掃碼獲取本書詳情）
更多科技資訊請見微信公衆號：博文視點Broadview（微信號：bvbooks）