本文提出了一种综合的基于物品的感知和基于物品的机器人任务的物体 SLAM 框架，专注于解决 SLAM 中的数据关联、物体表示和语义地图问题，并通过公开数据集和真实世界结果对其性能进行了评估。

May, 2023

该论文介绍了一种新的非参数位姿图模型来处理自主编图和数据关联问题，实现了同时进行数据关联和地图建立的能力，相较于只考虑其中一个问题，其性能显著提高。

Apr, 2017

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

本文提出了一种新的去中心化视觉 SLAM 系统，以数据关联和共同优化为基础，采用只需要传输少量数据的方式来执行去中心化操作，具有线性扩展性和高度压缩的地点表示，并使用先进的去中心化姿态图优化方法。

Oct, 2017

本文提出了一种新颖的基于动态物体级别体积有符号距离函数表示法的 SLAM 方法，将多物体跟踪公式化为 RGB-D 图像与 SDF 表示法的直接对齐，通过概率方法进行数据关联和遮挡处理，实验结果表明该方法在鲁棒性和准确性方面优于现有的最优方法。

Apr, 2019

提出了基于关键点的对象级 SLAM 框架，能够为对称和非对称对象提供全局一致的 6DoF 姿态估计。通过利用来自 SLAM 的相机姿态信息，提供对对称对象上跟踪关键点的 先验知识 -- 确保新的测量结果与当前 3D 场景一致。实验表明，该方法在 6DoF 对象姿态估计方面具有竞争性能，并以实时速度运行。

May, 2022

本文提出一种实时基于物体的 SLAM 系统，利用至今最大的物体数据库，包括一个单目 SLAM 算法，该算法利用可变形物体约束来改善地图并找到其实际比例，和一种新颖的基于二进制词袋的物体识别算法，提供 500 个三维物体的实时检测。

Apr, 2015

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

DSP-SLAM 是一种面向对象的 SLAM 系统，通过语义实例分割检测物体并使用特定于类别的深度形状嵌入来估计其姿态和形状，从而实现丰富和准确的 3D 物体建图，能够在单目、双目或双目 + LiDAR 输入模式下以接近帧率的速度处理图像序列，并在 KITTI 轨迹数据集上显示其在姿态和形状重构方面的显著改善。

Aug, 2021

本论文将最新的深度学习方法与基于视频流的半稠密 SLAM 相结合，在室内 / 室外数据集中得到了更好的 2D 语义标签识别，无需针对序列中的每一帧获得语义分割，其时间复杂度也得以合理控制。

Nov, 2016