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

为了提高 AR/VR 应用和视觉辅助和检测系统的性能和效果，本文提出了一种结合深度补全网络的 360ORB-SLAM 系统，用于全景图像中的视觉同时定位和建图。实验证明，该方法在尺度准确性方面优于现有的单目 SLAM 方法，并有效解决了特征关联和尺度模糊的挑战，深度补全网络的集成提高了系统稳定性，减轻了动态元素对 SLAM 性能的影响。

Jan, 2024

通过使用儿童玩具无人机，我们提出了一个实时自主室内探索系统，利用 ORB-SLAM3 进行定位和建图，并采用可靠的异常值去除算法和新颖的出口检测算法，验证了系统的有效性和效率。

Dec, 2023

本文对 RGB-D SLAM 进行了可行性研究，通过 ORBSLAM2 等视觉 SLAM 方法在公开数据集和自行构建的 HomeRobot 数据集上进行实验，发现它们在很多情况下可以取得很好的精度，但健壮性仍然是一个问题。

Oct, 2019

本文提出了一种鲁棒性高、效率高的视觉 SLAM 系统，利用异构的点和线特征，并首次将正交表示作为线特征的最小参数化模型，并解析地推导了关于线参数的投影误差的雅克比矩阵，实验证明该方法在各种情况下都优于现有技术。

Nov, 2017

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

本文介绍了 Photo-SLAM，一种具有超级基元地图的创新 SLAM 框架，通过同时利用显式几何特征进行定位和学习隐式光度特征来表示观察环境的纹理信息，以及采用高斯金字塔训练方法逐步学习多级特征以增强逼真的映射性能。实验证明，与当前最先进的 SLAM 系统相比，我们提出的 Photo-SLAM 在线逼真映射的性能显著优于其他系统，如 Replica 数据集中的 PSNR 提高了 30％，渲染速度快了数百倍。此外，Photo-SLAM 可以在像 Jetson AGX Orin 这样的嵌入式平台上实时运行，展示了机器人应用的潜力。

Nov, 2023

该研究论文提出了一种使用多个 RGB-D 相机进行视觉同时定位与建图（SLAM）的新方法，名为 Multicam-SLAM。该方法通过从多个角度捕捉更全面的空间信息，显著提高了 SLAM 系统的鲁棒性和准确性。MultiKeyframes 结构和并行 SLAM 线程保证了有效和准确的姿态估计和建图，实验结果证明了该方法相比传统的单相机 SLAM 系统具有更高的准确性和鲁棒性。

Jun, 2024

CudaSIFT-SLAM 是首个能够实时处理完整人类结肠镜检测的 V-SLAM 系统，通过使用 SIFT 特征替代 ORB 特征以及更计算密集的暴力匹配算法，成功地解决了 ORB-SLAM3 的限制，并能够在时间上匹配图像以便重定位和地图融合。

May, 2024