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

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

VDO-SLAM 是一种稳健的视觉动态物体感知 SLAM 系统，利用语义信息实现对本体运动的准确估计和跟踪，能够精确估计机器人轨迹、物体的 SE（3）运动和空间时序地图。

May, 2020

本文提出一种使用高级物体和平面地标的单目同时定位与地图构建算法，该算法比基于特征点的 SLAM 建立的地图更加密集、更紧凑且更具语义意义。实验显示，我们的算法能够提高相机的定位精度，特别是在没有闭环的情况下，并且在许多结构化环境中稳健地生成密集地图。

Sep, 2018

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

本研究针对移动机器人在动态和复杂环境下自主导航和任务执行的困难，提出了一种基于 LiDAR 和单目视觉 SLAM 的紧耦合几何特征融合框架方法，是当前多模态方法中姿态估计更为精确和健壮的。

Jul, 2023

通过自动物体级体素建模方法和相机位姿优化策略，实现了对视觉重定位的改进，提高了对新视点的鲁棒性。

Feb, 2024

本文介绍了一种方法，用于在静态和动态环境下单个图像的三维立方体物体检测和多视图对象 SLAM，并展示了两个部分如何互相改进，对单个图像物体检测，我们从 2D 边界框和消失点采样中生成高质量的 cuboid 提议，并根据与图像边缘的对齐性对提议进行进一步评分和选择。其次，提出了新的对象测量的多视图束调整，以联合优化相机，对象和点的姿态。对象可以提供长程几何和尺度约束，以改善相机姿态估计并减少单眼漂移。而不是将动态区域视为异常值，我们利用对象表示和运动模型约束来改善相机姿态估计。在 SUN RGBD 和 KITTI 上进行的 3D 检测实验证明了与现有方法相比更高的准确性和鲁棒性。在公共 TUM，KITTI 测距和我们自己收集的数据集上，我们的 SLAM 方法实现了最先进的单眼相机姿态估计，同时提高了 3D 对象检测的准确性。

Jun, 2018

该论文提出一种新颖的视觉 - LiDAR 里程计和建图方法，该方法基于 ORB-SLAM 和 A-LOAM 两种常用方法，并采用单目尺度校正和视觉辅助 LiDAR 运动补偿修改，其显著优于 ORB-SLAM2 和 A-LOAM，而其视觉里程计的准确性类似于 ORB-SLAM2 的立体模式。

Apr, 2023

本文提出了一种综合的基于物品的感知和基于物品的机器人任务的物体 SLAM 框架，专注于解决 SLAM 中的数据关联、物体表示和语义地图问题，并通过公开数据集和真实世界结果对其性能进行了评估。

May, 2023