本文提出了一种新的单目直接视觉里程计方法，该方法利用了卷帘快门模型，通过直接稀疏里程计来对一组最近的关键帧姿态和少量图像点进行捆绑调整，估计每个关键帧的速度并强加一个恒定速度先验性，以此获得准实时且精确的直接 VO 方法，在具有挑战性的卷帘快门序列上取得了比最先进的全局快门 VO 更好的结果。

Aug, 2018

提出了一个包含 50 个具有独特多样性的现实中场景的数据集，用于评估单目视觉里程计和 SLAM 方法的跟踪精度，并在此基础上提出了一个相机光度校准的简单方法以及一种非参数化暗角校准方法，该研究详细评估了两种现有方法（ORB-SLAM 和 DSO）在该数据集上的效果。

Jul, 2016

本文提出一种直接的视觉惯性里程计方法（VIO），该方法基于来自快门滚动摄像机和惯性测量单元（IMU）的测量，估计传感器设置的运动和环境的稀疏 3D 几何图形，并结合光度束调整，估计一组最近的关键帧姿势和稀疏点的反深度，同时利用 IMU 信息，基于滚动快门效应对速度和偏差进行校准。在公开数据集上进行的实验说明，与不考虑滚动快门的系统相比，所提出的方法表现更好，并在全局快门数据上实现了与全局快门方法类似的准确度。

Nov, 2019

该论文提出一种新颖的视觉 - LiDAR 里程计和建图方法，该方法基于 ORB-SLAM 和 A-LOAM 两种常用方法，并采用单目尺度校正和视觉辅助 LiDAR 运动补偿修改，其显著优于 ORB-SLAM2 和 A-LOAM，而其视觉里程计的准确性类似于 ORB-SLAM2 的立体模式。

Apr, 2023

通过分析主要的失败案例并揭示优化过程的各种缺点，我们诊断了一种流行的学习型 SLAM 模型（DROID-SLAM）的关键弱点。然后，我们提出使用自监督先验，利用冻结的大规模预训练单眼深度估计初始化稠密捆绑调整过程，从而实现鲁棒的视觉里程计，无需对 SLAM 骨干进行微调。尽管方法简单，但在 KITTI 里程计和具有挑战性的 DDAD 基准上，我们的方法显示出显著的改进。代码和预训练模型将在发表后发布。

Jun, 2024

本研究提出了一种新的序贯估计方法来解决光度参数的校准问题，该方法在 Photometric Calibration 中具有高精度，解决了现有方法的优化问题。实验证明，这种方法适用于直接法和在线应用。

May, 2023

通过 2D-2D 特征匹配技术，利用旋转平均算法设计一种可快速而又准确地估算单目相机旋转方向的系统，该系统通过维护一个视图图形并解决旋转问题来估算摄像机轨迹和地图，并驱动 V-SLAM 系统跟踪纯旋转运动。

Oct, 2020

本文介绍了一种新的紧密耦合的视觉惯性同时定位和建图系统，采用惯性测量单元进行初始测量，实现了零漂移定位，带有地图重用功能，并应用于单目相机的最一般问题。在微型飞行器公共数据集的 11 个序列中测试了该系统，证明了其比目前最先进的视觉惯性测量方法更为准确。

Oct, 2016

本文提出了一种在线光度标定方法，该方法使用鲁棒的 KLT 特征跟踪获得场景点对应关系，用于非线性优化框架，从而恢复连续帧的曝光时间、摄像机响应函数和传感器污损因子，实现对任意视频序列的可靠标定，并验证了其可以提高基于像素强度完全在线标定光度参数的最先进直接视觉里程计方法的性能。

Oct, 2017

本文提出了一种单目视觉里程计算法，它结合了基于几何方法和深度学习的思想，并利用两个卷积神经网络进行深度估计和光流估计。在 KITTI 数据集上的实验表明，该算法具有较强的鲁棒性和良好的性能。

Sep, 2019