本文在单目 SLAM 框架中嵌入了实时深度学习的目标检测器，将普通物体表示为四面体，进一步细化物体重建，检测附加平面标志并建模为独立地标志，可大幅提高系统的定位性能和语义地图的丰富程度。

Sep, 2018

本文研究了一种单目 SLAM 感知的目标识别系统，该系统利用多视图对象提议和高效特征编码等方法，能够在几乎恒定的时间内使用单个 RGB 相机检测和识别环境中的对象。实验结果表明，该系统具有强大的识别功能，并在 UW RGB-D 数据集上表现出可扩展的运行时性能优势。

Jun, 2015

本文介绍了一种方法，用于在静态和动态环境下单个图像的三维立方体物体检测和多视图对象 SLAM，并展示了两个部分如何互相改进，对单个图像物体检测，我们从 2D 边界框和消失点采样中生成高质量的 cuboid 提议，并根据与图像边缘的对齐性对提议进行进一步评分和选择。其次，提出了新的对象测量的多视图束调整，以联合优化相机，对象和点的姿态。对象可以提供长程几何和尺度约束，以改善相机姿态估计并减少单眼漂移。而不是将动态区域视为异常值，我们利用对象表示和运动模型约束来改善相机姿态估计。在 SUN RGBD 和 KITTI 上进行的 3D 检测实验证明了与现有方法相比更高的准确性和鲁棒性。在公共 TUM，KITTI 测距和我们自己收集的数据集上，我们的 SLAM 方法实现了最先进的单眼相机姿态估计，同时提高了 3D 对象检测的准确性。

Jun, 2018

本文提出一种使用高级物体和平面地标的单目同时定位与地图构建算法，该算法比基于特征点的 SLAM 建立的地图更加密集、更紧凑且更具语义意义。实验显示，我们的算法能够提高相机的定位精度，特别是在没有闭环的情况下，并且在许多结构化环境中稳健地生成密集地图。

Sep, 2018

本文提出了一种移动视觉系统的实时语义地图构建方法，采用 2D 到 3D 对象检测流程和快速数据关联，将关联检测作为语义约束引入 SLAM 系统进行姿态校正，通过本文提出的观测对象局部关联处理和基于不确定性贪心关联的方案，平均迭代时间达到了 65ms，实验结果表明在公共数据集上能够使现有的 SLAM 系统姿态估计提高 68％。

Mar, 2022

ORB-SLAM2 是一个用于单目、双目以及 RGB-D 相机的完整的 SLAM 系统，包括地图重用、回环闭合和重定位能力，利用纯视觉观测、双目视觉观测和 RGB-D 相机，在各种环境下都能实时工作。其基于捆绑调整的后端可以在实现度规尺度精确的同时实现高精度的轨迹估计。通过在 29 个流行的公共数据集上的评估，证明 ORB-SLAM2 的精度达到了最新的最佳结果，因此我们将其开源以便于 SLAM 社区以及其他领域的研究人员使用。

Oct, 2016

本文介绍了 ORB-SLAM，一种基于特征的单目 SLAM 系统，能够实时运行，在小型和大型、室内和室外环境中运行，并具有鲁棒性、宽基线环路闭合和重定位等特点。

Feb, 2015

本文提出了一种基于特征、无模型、可识别动态物体的 SLAM 算法，使用了语义分割技术来估算场景中刚性运动物体的运动轨迹和速度，并能够生成静态和动态结构的地图。该算法在模拟、合成和实际数据集上均实现了良好的性能。

Feb, 2020

本文提出了一种基于实时语义 RGB-D SLAM 算法的方法，其能够在动态环境中检测已知和未知的运动物体，并通过仅对关键帧进行语义分割来减少计算成本，并保持静态地图以实现强健的相机跟踪，同时提出了一种有效的几何模块来检测未知的移动物体。该算法在公共数据集和实际应用场景中进行了评估，最终实现了在低功耗嵌入式平台上实时运行并能在动态环境中提供高精度的定位与跟踪。

Apr, 2021

提出了一种基于类别级别模型的单目相机实时目标 SLAM 的新范例，利用 CAD 集合构建类别级别模型以帮助设计目标地标观察，并在大数据合成方法中学习对象变形和判别特征，从而在实时场景中可以估算物体形状及位置， 并帮助进行增强现实应用的物体实例检索。

Feb, 2018