本文提出了基于异构计算单位 CPU 和 GPU 实现的、在微创手术中完整实时大规模的、具有稠密形变 SLAM 系统的 MIS-SLAM 方法，该方法通过 ORBSLAM 提供强大的全局姿态定位，解决了范围快速移动和模糊图像等问题，显著改善了局部定位，并在实时中实现了规模大的局部定位与稠密建图。在公开数据集上进行的实验表明，这种方法具有潜在的临床应用价值。

Mar, 2018

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

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

DSP-SLAM 是一种面向对象的 SLAM 系统，通过语义实例分割检测物体并使用特定于类别的深度形状嵌入来估计其姿态和形状，从而实现丰富和准确的 3D 物体建图，能够在单目、双目或双目 + LiDAR 输入模式下以接近帧率的速度处理图像序列，并在 KITTI 轨迹数据集上显示其在姿态和形状重构方面的显著改善。

Aug, 2021

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

在动态环境中，通过引入掩蔽预测机制，该论文提出了一种用于实现实时性能的动态环境下的视觉 SLAM 系统，该系统通过将深度学习方法和相机跟踪以不同的频率完全并行运行，从而在 CPU 上实现了实时性能。此外，它还介绍了双阶段光流跟踪方法，并结合光流和 ORB 特征的混合应用，显著提高了系统的效率和鲁棒性。与最先进的方法相比，该系统在动态环境中保持高定位精度的同时，在单个笔记本电脑 CPU 上实现了 56 帧每秒的跟踪帧率，而无需任何硬件加速，从而证明了即使没有 GPU 支持，深度学习方法在动态 SLAM 中仍然可行。根据已有的信息，这是第一个实现此功能的 SLAM 系统。

May, 2024

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

我们提出了一种新的方法来解决在混合单目 SLAM 中需要维护不同的本地和全局地图表示的问题，通过使用描述符共享来生成单个反深度场景表示，消除了分离且冗余的地图维护过程，并在本地中使用、全局查询以执行闭环，之间的多地图不漂移，且计算成本和内存占用仅为其他单目 SLAM 系统的一小部分。

Jun, 2023

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

EndoGSLAM 是一种用于内窥镜手术的高效 SLAM 方法，通过整合高速渲染和组织重建，实现在线相机跟踪和组织重建的 100 帧 / 秒渲染速度，具备优于传统或神经 SLAM 方法的手术过程中可用性和重建质量的平衡。

Mar, 2024