- 自监督几何引导的鲁棒单目视觉里程计初始化
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， - NeRF-VO：基于神经辐射场的实时稀疏视觉里程计
我们引入了一种新颖的单目视觉里程计（VO）系统 NeRF-VO，它整合了基于学习的稀疏视觉里程计用于低延迟相机跟踪和神经辐射场景表示用于复杂的密集重建和新视角合成。我们的系统使用稀疏视觉里程计初始化相机位姿，并从单目深度预测网络获取视角相关 - ICCVXVO: 通过跨模态自训练实现的广义视觉里程计
我们提出了一种半监督学习方法 XVO，用于训练具有鲁棒自适应性的广义单目视觉里程计模型，适用于不同的数据集和设置。
- 基于 Transformer 模型的单目视觉里程计：一种视频理解方法
利用基于自注意力机制的 TSformer-VO 模型，将单目视觉里程计作为视频理解任务，从视频片段中提取特征并通过端到端的方式估计摄像机的 6-DoF 位姿，取得了与基于几何和深度学习的方法相比具有竞争力的业内领先表现。
- 用于单目视觉里程计尺度估计的密集预测变换器
本文使用密集预测变换器模型进行尺度估计，解决单目视觉测距系统中尺度漂移问题，通过深度图的准确估计，取得竞争性的最新成果。
- 深度 Patch 视觉里程计
提出了 Deep Patch Visual Odometry（DPVO）系统，它是一种新的深度学习系统，用于单目视觉里程计（VO）。DPVO 在单个 RTX-3090 GPU 上只使用 4GB 内存，在 2 倍 - 5 倍的实时速度下准确而 - ECCV通过自我监督长期建模学习单目视觉里程计
自监督学习 VO 的一种特殊考虑一致性的方法，采用具有两层卷积 LSTM 模块的姿态网络对姿态预测中的长期依赖进行建模，通过自监督损失进行训练，包括模拟几何 VO 中的循环一致性丢失的循环一致性丢失，并通过引入一种损失使网络能够在训练期间超 - CVPRD3VO：单目视觉测距、姿态和不确定性的深度模型
提出一个新的单目视觉里程计框架 D3VO，它利用三个层次的深度网络 —— 深度、姿态和不确定性估计，并使用自监督单目深度估计网络训练了预测亮度变换参数，提高了深度估计精度和提供了学习到的光度残差加权函数，进而实现前端跟踪和后端非线性优化。在 - 视觉里程计再探：应该学习什么？
本文提出了一种单目视觉里程计算法，它结合了基于几何方法和深度学习的思想，并利用两个卷积神经网络进行深度估计和光流估计。在 KITTI 数据集上的实验表明，该算法具有较强的鲁棒性和良好的性能。
- 几何感知课程学习下的单目视觉里程计学习
本文研究了基于课程学习方式的单目视觉里程计估计问题，提出了一种新的几何感知的目标函数来同时优化相对和复合变换，然后通过级联光流网络和循环网络来学习该目标，在三个真实数据集上的表现优于现有的基于特征和基于学习的视觉里程估计算法。
- ECCV深度虚拟立体里程计：利用深度预测为基准的单目直接稀疏里程计
通过利用深度单目深度预测来改进单目视觉里程计，利用直接虚拟立体测量方法将深度预测与 Direct Sparse Odometry（DSO）相结合，关键考虑半监督学习，并在 KITTI 基准测试中超越其他的方法，实现了与基于立体相机的方法相当 - 针对混浊和动态水下环境的单目实时视觉里程计
本文提出了一种适用于水下环境的单目视觉里程计方法，该方法基于光流跟踪和基于关键帧的非线性优化，并在模拟和实际水下数据集上验证其性能优于现有的视觉 SLAM 方法，主要应用于水下考古任务中 ROV 的定位。
- MM自我监督干扰学习驱动的城市环境单目视觉里程计鲁棒性
本文提出了一种自监督方法，可忽略城市环境下摄像头图像中的 “干扰物”，从而鲁棒地估计车辆运动情况。我们利用离线多会话映射方法自动生成每个输入图像的像素级时间变化掩模和深度图，用于训练深度卷积网络和视觉里程计管道，最终实现了在动态、独立运动对 - DeepVO：用深度递归卷积神经网络实现端到端视觉里程计
本文提出了一种新的、基于深度循环卷积神经网络（RCNNs）的单目 VO 的端到端框架，通过该框架，可以直接从一系列原始 RGB 图像（视频）中推断出姿态，同时具备学习有效特征表示、深度循环神经网络中的序列动力学和关系的功能，实验验证了该技术 - UnDeepVO: 无监督深度学习单目视觉里程计
本文提出了一种新颖的单目视觉里程计（VO）系统 UnDeepVO，其能够使用深度神经网络估计单目相机的 6-DoF 姿态和视野深度，该系统具有无监督深度学习方案和绝对尺度恢复两个显着特点，并且在 KITTI 数据集上获得了良好的姿态精度。
- 单目视觉里程计中的挑战：光度校准、运动偏差和滚动快门效应
通过定量评估直接、特征和半直接方法的最新技术，提供了社区有用的实用知识，以便更好地应用现有的方法和开发新的 VO 和 SLAM 算法，并提出了可能的改进现有方法的建议。
- 单目视觉里程计光度校准基准
提出了一个包含 50 个具有独特多样性的现实中场景的数据集，用于评估单目视觉里程计和 SLAM 方法的跟踪精度，并在此基础上提出了一个相机光度校准的简单方法以及一种非参数化暗角校准方法，该研究详细评估了两种现有方法（ORB-SLAM 和 D