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

该论文介绍了使用 LiDAR 和摄像头进行传感器数据融合以实现自主机器人的自由空间检测，并通过高斯过程回归的分辨率匹配算法来更好地利用多模式传感器数据流以提高感知步骤的性能表现。

Oct, 2017

本文提出了一个计算高效、准确的 LiDAR 基于 SLAM 的通用解决方案，主要采用了非迭代两阶段畸变补偿方法、两个匹配模块，并考虑了局部光滑性进行迭代姿态优化，实验结果表明在自主驾驶和仓库自动引导车的定位上表现均相当好，提供了一个性能和计算成本之间很好的平衡。

Jul, 2021

本文回顾了 Visual-SLAM 领域中采用基于深度学习等基于数据驱动的方法来解决传统基于几何模型的技术在复杂环境中难以处理的 SLAM 问题的最新进展，并探讨了其面临的挑战和发展机遇。

Sep, 2022

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

本文提出了 Edge SLAM 算法解决了 feature-based SLAM 在低纹理环境下不可靠的问题，通过边缘点追踪和三视图几何关系进行点对应匹配，采用新颖的本地优化技术估计新相机从而实现了同时对纹理和低纹理环境下可靠的视觉 SLAM。

Jan, 2019

本文提出了一种基于三维激光雷达测距扫描和神经网络对语义信息进行提取的建图及定位方法，实现了对运动物体的有效滤波和语义信息约束下的扫描匹配，与现有基于几何约束的方法相比，实验结果表明其性能更优。

May, 2021

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

通过分析主要的失败案例并揭示优化过程的各种缺点，我们诊断了一种流行的学习型 SLAM 模型（DROID-SLAM）的关键弱点。然后，我们提出使用自监督先验，利用冻结的大规模预训练单眼深度估计初始化稠密捆绑调整过程，从而实现鲁棒的视觉里程计，无需对 SLAM 骨干进行微调。尽管方法简单，但在 KITTI 里程计和具有挑战性的 DDAD 基准上，我们的方法显示出显著的改进。代码和预训练模型将在发表后发布。

Jun, 2024

该论文介绍了一种新的多传感器融合算法：LiDAR 惯性摄像头融合（LIC-Fusion），它可以在线校准所有异步传感器之间的空间和时间，并在 MSCKF 框架内实现稀疏视觉特征观测值和 IMU 读数的多模态传感器融合，实验结果表明，在室内和室外环境下，该算法相对于视觉惯性测量（VIO）和 LiDAR 测量方法具有更高的估计精度和鲁棒性。

Sep, 2019