本文提出了一种利用方形平面标记同时解决定位和建图问题的新方法，通过创建相对标记姿态的箭头以及在所有观察帧中最小化平面标记再投影误差的方式进行全局定位优化，实验表明该方法优于运动结构和视觉SLAM技术。

Jun, 2016

TagSLAM为使用AprilTag基准标记进行同时定位和制图提供了方便，灵活和稳健的方法，是一种基于ROS的开源软件包，使用GTSAM factor graph优化器作为前端，通过使用多个简单的抽象（bodies、tags、cameras）以基于标记的方式快速设计一系列实验。

Oct, 2019

该研究提出了MarkerPose，一个基于三个圆形平面目标和立体视觉系统的强韧实时姿态估计系统，其包括用于marker点检测的像素级准确键点定位和分类的SuperPoint网络以及用于亚像素级准确键点检测的轻量级椭圆分割网络。该方法通过立体测量来估计marker的姿态，具有更高的精度和抗噪声性能，适用于需要高精度姿态估计的3D自由手超声系统中。

May, 2021

本研究提出了 E2ETag，一种通过可逆卷积神经网络学习标记的生成和检测，从而在复杂、自然的环境中提高标记的检测性能，并在恶劣的图像捕捉情况下提高表现的全新方法。

May, 2021

本研究通过使用具有黑白方格图案的方形人工地标的视觉SLAM，对三种移动机器人定位模式进行了比较研究：SLAM、带先验地图的SLAM和带先验地图的定位。通过使用手持相机拍摄的室内图像序列来评估它们的性能，并通过扰乱先验地图的质量来研究每种模式对扰乱的容忍程度。硬件实验表明这三种模式在轨迹误差方面表现一致，其中定位模式的运行时间最短。然而，在地图扰动下，带先验地图的SLAM保持了性能，而定位模式在两个方面都有所降低。

Sep, 2023

该研究通过采集安装在四旋翼飞行器上的摄像头捕捉户外图像序列，定量分析了逆境环境条件对标记物探测的影响，并研究了其在精准起降以及城市场景飞行器飞行中提高可靠性的潜力。研究基于温度、光照、风速、湿度、能见度和降水等逆境条件下的半自主起降操作，评估了标记物的探测性能，包括准确性、召回率、连续性、可用性、鲁棒性、弹性和覆盖范围，并将数据集和分析代码作为开源资源发布给公众。

Sep, 2023

本文介绍了一种用于曲面如圆柱面的新型视觉标记器CylinderTag，以优化在曲面上进行高精度姿态估计，同时提供了基于启发式搜索的标记器生成和高性能识别器。实验证明，CylinderTag比传统视觉标记器具有更好的检测性能和定位精度，并且为广泛应用提供了更好的多样性和实用性。

Oct, 2023

准确的本地化对于自主水下载具（AUVs）进行精确任务非常重要，而对于水下恶劣的照明条件，使用基于视觉标记的基于图像梯度的主动摄像机曝光控制方法可以显著提高机器人定位的准确性。

Apr, 2024

本研究介绍了一种名为L-PR的新型框架，利用LiDAR基准标志（类似于AprilTag和ArUco标记）来注册无序的低重叠多视点点云。通过改进的自适应阈值标记检测方法和二级图优化，该方法在准确性、重建质量、定位准确性和对恶化场景的鲁棒性等四个方面表现优越。我们将方法和数据集开源，链接：https://this_URL。

Jun, 2024

本研究针对现有无人机导航中精准定位的不足，通过提出YoloTag系统，利用轻量级YOLO v8目标检测器实时识别环境中的可识别标记，提升导航精度。其关键发现是结合高阶巴特沃斯滤波器有效减少了定位过程中的噪声，提高了轨迹跟踪的稳定性，展示了此方法在复杂环境中的应用潜力。

Sep, 2024