ORB-SLAM3 是第一个能够使用针孔和鱼眼镜头模型的单目、立体和 RGB-D 相机执行视觉、视觉惯性和多地图 SLAM 的系统，并且具有两个主要的创新点：完全依赖于最大后验概率估计的基于特征的紧耦合视觉惯性 SLAM 系统和使用改进的召回率的新的场所识别方法的多地图系统，该系统在所有的传感器配置中都像文献中最好的系统一样健壮，并且显著提高了精度。

Jul, 2020

使用 ROS 导航系统和模拟飞行器，构建一个能够在室内无需 GPS 的环境中自主移动的模拟无人机。

Apr, 2023

本文提出了基于低成本四轴飞行器及单目相机的半稠密 SLAM 系统的自主微型航空器导航和探索方法，旨在解决之前假定稠密地图信息的探索方法无法直接应用于纹理缺失区域的挑战。

Sep, 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

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

提出了一种基于 RGB-D 相机的实时动态障碍物跟踪和建图系统，该系统使用 “占用格子图” 生成动态障碍物区域，应用卡尔曼滤波和连续滤波来跟踪每个动态障碍物，并提出了一种基于 Markov 链的环境感知轨迹预测方法。实验结果表明，该方法可以在动态环境中实时成功跟踪和避免障碍物。

Sep, 2022

本研究提出将探索 ORB 与强化学习方法相结合，通过奖励规则，优化 frontiers 的探测，提高 SLAM 在自主机器人的应用的精度和效率，并使用 Gazebo 进行了实验验证。

Jul, 2023

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

在大规模、未知和复杂的地下环境中进行同时定位和地图构建（SLAM）是一个具有挑战性的问题。本文在 DARPA Subterranean Challenge 的背景下，实施和测试了一种基于激光雷达的多机器人 SLAM 系统，包括准确的激光雷达前端和自动排除异常闭环的灵活和强健后端。在具有挑战性的地下环境中进行了大规模的评估并讨论了未来的研究方向。

Mar, 2020