本文介绍了一种全面集成的感知和控制系统，使移动操纵机器人能在建筑施工现场上以毫米级精度执行建筑任务，并通过多模态感知能力、与数字建筑模型的紧密集成以及集成的轨迹规划和整体运动控制实现。

Dec, 2019

本文提出了一种基于图像的定位方法，使用本地特征和稀疏的三维模型进行全球规模的离线和在线实时客户端姿态融合，实现低延迟本地化查询，证明了该方法在大规模模型上的有效性。

Jun, 2019

该研究提出了一种鲁棒且精确的定位系统，能够通过多传感器融合，特别是利用 LiDAR 强度和高度提示来提高在城市、高速公路和隧道等环境中的准确性和鲁棒性，并在大型自动驾驶车队中得到验证。

Nov, 2017

在工厂大厅这样的复杂环境中，利用四个立体摄像头和一个三维激光扫描仪，应用最先进的激光雷达和视觉 SLAM 方法，进行数据收集、轨迹估计和密集地图生成，并生成精确的深度图用于自动建筑和现场监测。

Apr, 2024

本文提出利用建筑计划解决机器人的定位问题，通过 A-Graph 转化建筑平面图，对机器人感知到的 S-Graph 进行图对图匹配，得到全局的机器人定位信息，实现利用建筑计划进行机器人定位。

Mar, 2023

本研究针对移动机器人在动态和复杂环境下自主导航和任务执行的困难，提出了一种基于 LiDAR 和单目视觉 SLAM 的紧耦合几何特征融合框架方法，是当前多模态方法中姿态估计更为精确和健壮的。

Jul, 2023

提出了一种基于神经网络的方法，用于检测在机器人运行期间的定位问题，着重关注激光雷达测距定位模块，该方法通过模拟数据训练，可以适用于不同的环境和传感器类型，并在挑战性环境下进行了实地实验测试。

Mar, 2022

本文提出了一种基于结构和图像的语义匹配方法，能够在诸如季节、亮度、天气和昼夜变化等多种条件下实现准确和稳健的视觉定位，实验证明该方法相较于现有技术有显著的提升。

Apr, 2019

本文提出一种基于神经场的方法，使用 2D LiDAR 数据在室内环境中估计机器人的姿态，并将其用于蒙特卡罗定位系统中的观测模型，实现了精确的本地化。实验表明，所提出的隐式表示能够预测更准确的 2D LiDAR 扫描，带来了粒子滤波定位的更好观测模型。

Oct, 2022

本文提出了一种面向实时性能的可扩展视觉定位方法，该方法使用自我监督方法学习紧凑的路图像表示，结合车辆本体运动得出高精度位置估计，在挑战性的城市环境中有效地减少了定位误差一个数量级。

May, 2019