。
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，以及如何在现买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。
![卷积神经网络与视觉计算 [美]拉加夫·维凯特森(Ragav Venkatesan)李宝新（Baoxin Li） 机械工业](http://img3m0.ddimg.cn/20/9/11938222910-1_l.jpg)
![算法交易员：会赚钱的人工智能 [韩]权容禛 著；何佩佩 译 人民邮电出版社【可开电子发票】](http://img3m0.ddimg.cn/95/13/11937300800-1_l.jpg)
本书详细讲解在学习Go语言必经之路中的重点知识，采用大量精美详细的图文进行介绍，内容讲解深入浅出，极大地降低了理解Go语言底层精髓的学习门槛。本书共分为3篇：第一篇（第1~4章）深入讲解Go语言中GP
