本书介绍在人工智能时代，用来建模和求解大规模机器人推断问题所使用的因子图。重点介绍解决机器人面临的大规模推理问题，以及部署机器人的相关知识。因子图相关知识（概率图模型的一种）是机器人感知中至关重要的一环，而机器人感知是机器人领域较难的技术点。希望本书能给读者带来启发。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。
译者序1
《机器人感知：因子图在SLAM 中的应用》译稿终于完成了。翻译一本书付出的劳动远远大于阅读一本书。在翻译的过程中，我反反复复阅读原版书籍及翻译版加起来不下30 遍。当将终稿交给编辑时，心里还是满满的收获和兴奋。
2017 年8 月22 日中午13:30，董靖在泡泡机器人微信群中分享了这本由他的老师Frank Dellaert（GTSAM
的作者）和Michael Kaess（iSAM 的作者）合写的书，我没有任何犹豫，当天就给Frank
发了邮件，问他是否可以允许我来翻译这本书。Frank 非常热情地答应了，同时还推荐他的得意弟子董靖跟我一起翻译，并且说，相信我们可以合作得很好。
Frank Dellaert 是佐治亚理工学院的教授，Michael Kaess
从佐治亚理工学院毕业后，去麻省理工学院做了几年博士，目前在卡内基梅隆大学任职。两人都是SLAM 界的大牛，他们的开源的iSAM 和GTSAM
利用因子图对位姿及地图进行高效优化。除了在SLAM 领域，iSAM 和GTSAM
在其他许多机器人领域也得到了非常广泛的应用，如机械臂路径规划、空间时序重建、大规模三维场景重建等。
目前，市面上关于SLAM 的书非常少。希望本书的出版能够为推动国内SLAM 的研究贡献出一份力量。本书从iSAM 和GTSAM
所用到的理论基础出发，系统、完整地对其进行了介绍，相信大家读完本书后，会对基于因子图的优化有深入的理解。书中不仅有概率推断、贝叶斯网络、因子图、非线性优化、流形及在其上的优化、贝叶斯树、QR
分解、乔里斯基分解、边缘化（Marginalization）等基础知识的讲解，还有增量平滑与地图构建（iSAM）的理论基础的讲解，同时在第7
章还专门介绍了因子图在机器人领域的各种应用案例。
真正理解这本书的一般性内容需要花一些时间，融会贯通则更需要下功夫。在品尝主食（本书）的同时，我们为大家推荐3 个配菜。
1. 源码：iSAM 及GTSAM 的代码均已开源，在看本书的过程中，可以配合源码一起看，这样能够更好地理解本书的理论内容。
2. 在【泡泡机器人SLAM】（ID：paopaorobot_slam）微信公众号上面，搜索董靖讲解的GTSAM Tutorial公开课，可以帮助你快速了解GTSAM的整体框架和应用。
3. 在泡泡论坛（http://paopaorobot.org）上进行交流。在看书过程中遇到的任何问题都可以在论坛上提问，只有互相交流才能更好地理解书上的内容。
与董靖合作翻译的过程非常愉快，他是本书作者之一Frank 的弟子，对于本书的内容非常熟悉，我们经常高密度地对有疑问的内容进行讨论，在这个过程中，他也给了我非常多的启发。
在本书的翻译过程中，我得到了很多人的帮助和支持。首先要感谢电子工业出版社的郑柳洁女士及白涛老师，没有你们就没有这本书的面世。郑编辑也为我们处理了所有翻译之外的事情，让我们能不受干扰地完成这本书的翻译。
感谢泡泡机器人学术组织的章国锋老师、黄山老师，以及周平、蔡育展、鲁涛、刘畅、王慧国、陈世浪等同学的反馈意见。
在这里，我想把这本书送给我的妻子李明晓，遇到你是我这辈子最大的幸运，你的境界、心态和思想都深深地影响着我，让我变得更加成熟稳重。有你的地方就是家，就是可以栖息的港湾。我爱你。同时，也将此书献给我的女儿刘天琦，爸爸希望你能够有天地般宽广的胸怀，同时能够一生都对所有事物保持好奇心，做一个快乐的科学家。还有我的奶奶、爸爸妈妈、岳父岳母。我之所以可以活得这么快乐简单，后面是你们的负重前行，谢谢你们。感谢麻省理工学院的Wanda，与她的每次交流都让我受益匪浅，从她的身上我学到了非常多好的习惯。感谢我的老师王宗义教授在我读博期间对我的言传身教，他让我体会到了做实业的快乐和成就感，也让我养成了良好的科研习惯。
严复翻译《天演论》时，在译例言中讲到：译事三难：信、达、雅。信是指翻译要准确，达是指不拘泥于原文，雅是指语句要得体适当。我们尽了自己最大的努力保证翻译的信，同时期望可以达到达和雅的境界。尽管如此，限于译者水平，译文的缺点和错误在所难免，诚恳地希望读者批评指正。
刘富强
译者序2
同步定位与地图构建，也就是大家熟知的SLAM，是机器人学领域非常重要的一个子领域。近几年来，随着无人机、无人车、虚拟现实及增强现实的逐渐商用与普及，SLAM 作为以上领域的重要驱动技术越来越受到大家的重视。
5 年前我有幸加入Frank 的课题组，并在Frank 的指导下开始从事SLAM 相关领域的研究。5 年博士期间我与Frank
的合作愉快而充实，从他那里我不仅学到了机器人学、数学乃至C 编程的很多知识，更有他严谨治学、踏实工作的态度。所以在收到Frank
的邮件，邀请我参与Factor Graphs for Robot
Perception（下称原书）中文翻译时，我的内心是非常激动的。在感谢Frank 对我SLAM 领域专业水平信任的同时，我也感受到推广SLAM
技术、推广因子图工作的责任之重。
近十年来，在Frank 等业内专家的努力下，因子图作为一种高度灵活的概率图模型，在SLAM
领域得到了广泛的推广与应用。原书作为两位作者在SLAM 领域研究应用因子图十余年经验的总结，通过7
个章节，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。原书在涵盖了详细的背景知识及数学论证的同时，也提供了充足的SLAM
应用案例以供参考。原书可以作为高年级研究生课程教材，也可以供SLAM 领域专业人士参考。
目前市面上关于SLAM 领域工作的中文著作并不多，涉及因子图、近期SLAM
界进展的著作更是少之又少。我参与本书翻译的最大动力便是希望将因子图这一工具及业界关于SLAM
研究的最新进展介绍给大家，抛砖引玉。希望本书能辅助读者了解因子图这一工具，或者对SLAM 领域相关的研究带来启发。
本书的翻译是由富强兄所主导的，在本书中富强兄付出了非常多的时间和心血，在此表示感谢，没有富强兄的工作就不可能有本书的出版！同时一并感谢参与题序的老师们、参加审阅校对的各位老师同学，以及电子工业出版社的各位编辑，感谢你们为本书顺利出版付出的辛勤工作！
最后，限于译者水平，缺陷甚至错误在所难免，恳请读者批评指正。
董靖
当前图书最新荐购
