[BOOKデータベースより]
１ 自己位置推定およびその高度化について
２ 開発環境構築とシミュレータ
３ 数学的基礎
４ 自己位置推定の定式化と動作モデル、観測モデル
５ モンテカルロ位置推定の実装
６ 自己位置と観測物体のクラスの同時推定
７ 信頼度付き自己位置推定
８ センサ観測値と地図間の誤対応認識
９ Ｏｎｅ‐ｓｈｏｔ自己位置推定とＭＣＬの融合
１０ 自己位置推定の高性能化に向けて
本書では，従来の自己位置推定ではできないことをできるようにすることを目的とし，これを「自己位置推定の高度化」として紹介しています。この高度化こそ，真に自動走行技術の社会実装につながるという考えのもとに，本書を執筆しました。「自己位置推定の実装，または利用をした経験があり，その問題の存在を認識し，その問題を解決したいという考えを持った方」が学びやすいように以下の構成としています。また，C++による実装例も掲載し，より実現の方法がわかりやすくなるように配慮し，利用した実際のソースコードはWeb上で公開しています。
1章では，自己位置推定とはどのような問題か，またその重要性を自動走行を例に解説します。そして，本書が問題視する従来の自己位置推定法の課題を解説し，それらに対して本書が示す解決方法を簡単に解説します。以降5章までは，「開発環境構築とシミュレータ」，「数学的基礎」，「自己位置推定の定式化と動作・観測モデル」，「モンテカルロ位置推定の実装」の順に，自己位置推定に関する基礎的なことに関する解説を行います。6章からが，本書が扱うメインテーマとなります。
6章では，環境の変化に対して頑健に自己位置推定を行うことを目的とした，「観測物体のクラスを考慮した自己位置推定法」について解説します。
7章では，自己位置推定結果の正しさを知るということを目的とした，「信頼度付き自己位置推定」について解説します。信頼度付き自己位置推定法は，自己位置推定法結果の信頼度までを同時推定できるモデルに拡張しています。
8章では，センサ観測値と地図の間に生じる誤対応を認識する方法について解説します。またこの誤対応認識に基づき，自己位置推定の失敗を検出する方法を解説します。
9章では，自己位置推定の失敗からの復帰を目的として，「One-shot自己位置推定」と，5章で述べる自己位置推定法の確率的融合法について解説します。One-shot自己位置推定とは，現時刻のセンサ観測値のみを用いて自己位置を推定する方法ですが，近年の深層学習の発展により，実現可能性が見えてきています。
10章では，本章で問題視した従来の自己位置推定法の課題と，これに対して本書で解説した解決方法について再度整理します。そしてこれに基づき，自己位置推定におけるさらなる課題について議論します。最初に10章を読んでから各章を読むことも，本書の全体的な概要を掴むためには有効といえます。
【読者へのメッセージ】
本書が，自動走行システムなど，自己位置推定を必須とする技術の発展に貢献することを願い，これにより，そのテクノロジーの恩恵を社会が受けられるようになれば幸いです。
のマークが目印です。
