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

本论文提出了一种基于数据驱动的二阶段流程，首先估计设备的朝向，然后估计设备的位置。该流程使用普通智能手机，并依赖于循环神经网络和扩展卡尔曼滤波器来获得朝向实现定位。研究表明，我们提出的方法在定位和朝向误差方面优于现有方法。

Feb, 2021

使用智能手机创建建筑规模、易于导航的 3D 地图系统；以图形 SLAM 方式构建 3D 地图问题，并推断建筑地标和环境中可导航路径的位置；通过精心选择映射超参数和调整算法适应新环境的新技术来提高地图准确性。

Oct, 2023

基于 3D LiDAR 数据的低漂移 SLAM 算法，使用扫描到模型匹配框架和隐式移动最小二乘（IMLS）表面表示，通过 KITTI 基准测试在全球漂移率仅为 0.69％。

Feb, 2018

利用粒子滤波 (SLAM) 方法，结合编码数据和光纤陀螺数据实现车辆运动的精确估计，激光雷达技术提供环境感知，建立了一个粒子滤波 (SLAM) 框架，以有效地解决机器人系统中的同时定位和地图构建的复杂性。

Feb, 2024

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

本文提出了一种新颖且数据驱动的方法，利用智能手机中的惯性测量单元（IMU）学习估算自然人类运动轨迹。通过回归速率向量，通过历史线性加速度和角速度，纠正低频偏差，对估算位置进行两次积分，从而实现了人体运动的准确估算。此外，文中还展示了该算法与视觉惯性导航的可比性，并公开了代码和数据以便进一步研究。

Dec, 2017

利用惯性测量单元（IMU）计算伪标签，本文提出了一种无需昂贵采集位置标签的无线电信号用户定位方法，并展示了在模拟和真实 5G 测量数据中达到分米级准确度的实验结果。IMU 辅助方法与完全监督方法相比性能相似，但部署所需的工作量明显减少。

Feb, 2024

该论文提出了一种新颖的深度 SLAM 网络，将图像因素和投影因素通过多因素数据关联模块整合到端到端可微的结构中，动态学习和调整视觉因素的置信度图，实验证实该方法在多个公共数据集上显著优于现有方法，包括 TartanAir、EuRoC 和 ETH3D-SLAM。

Sep, 2023