机器人感知：因子图在SLAM中的应用
编辑推荐
适读人群 ：人工智能领域研究人员、机器人、SLAM研究人员。
本书作者是促成SLAM从经典卡尔曼滤波形式向图优化模型转变的关键人物，在SLAM领域的造诣非常深厚，此书是他们在因子图上的研究成果的汇集和整理，是一本非常好的SLAM方面的书籍。
内容简介
本书共通过7章，深入浅出地介绍了因子图数学定义、推断方法，以及真实环境中机器人上的各种应用。在涵盖了详细的背景知识及数学论证的同时，提供了充足的SLAM应用案例以供读者参考。
作者简介
Frank Dellaert，2001年于卡内基梅隆大学获博士学位，现于佐治亚理工学院交互计算学院任终身教授。他目前的研究兴趣主要集中在机器人与计算机视觉的交叉领域，尤其是用图模型方法解决大规模三维重建与地图构建问题。
Michael Kaess，现于卡内基梅隆大学任助理教授。Michael于2008年在佐治亚理工学院获博士学位，之后于麻省理工学院先后就任博士后与研究员。他目前的研究兴趣包括移动机器人智能问题，具体集中在大规模三维建图与定位问题中的概率图模型与线性代数的联系。
译者简介
刘富强，泡泡机器人创始人。
董靖，美国佐治亚理工学院计算机科学博士，主要研究方向机器人学。