- CVPR视频中的全球空间相机与人体重建的协同作用
Synergistic Camera and Human Reconstruction (SynCHMR) combines visual SLAM and HMR to reconstruct camera trajectories, h - 单目高斯定位与地图构建中的语义循环闭环
本文介绍了 MG-SLAM，一种单目高斯 SLAM 系统，其特点是具有语义扩展的环路闭合模块，能够在进行漂移校正的同时实现高保真度的重建和对环境的高层次理解。该系统通过将全局地图表示为 3D 高斯，并将其用于指导场景几何估计，从而减轻缺失深 - NGD-SLAM：面向无 GPU 动态环境的实时 SLAM
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 - 基于强化学习的机器人路径规划研究
本研究基于视觉 SLAM 进行了机器人路径规划的研究，主要工作包括构建基于 ORB-SLAM3 系统的密集点云地图、将点云地图转换成适用于二维路径规划的格网地图、以及基于强化学习的路径规划算法研究。实验验证了设计的视觉 SLAM 系统的可行 - 基于热成像的长期 SLAM
该研究探讨了在低对比度、视觉退化环境下（如水下、雪地等），利用热成像技术进行视觉 SLAM 的困难之处，并提出了基于学习特征描述符的方法，以显著改善热成像的大时间间隔下的地点识别能力。实验结果表明，该方法能够在具有挑战的热成像数据中实现良好 - 一种加速视觉 SLAM 的错误匹配排除方法
通过将 GMS（基于网格的运动统计）与 RANSAC（随机抽样一致性）结合，加速了 Visual SLAM 方法，提高了特征匹配的准确性，从而减少了系统的实时性能影响。
- 基于多层细化策略的特征匹配方法
基于多层细粒度匹配策略，本文提出了一种名为 KTGP-ORB 的新型特征匹配方法，通过利用特征描述符在汉明空间中的局部外观相似性来建立初始对应关系，结合局部图像运动平滑性约束，使用 GMS 算法增强初始匹配的准确性，并最终采用 PROSAC - DK-SLAM：具有深度关键点自适应学习、追踪和闭环的单目视觉 SLAM
DK-SLAM 是一种单目视觉 SLAM 系统，使用自适应深度特征进行特征提取和匹配，采用多项式约束进行位姿估计，使用基于二值特征的在线循环闭环模块来减少累积定位误差，并在公开数据集上展示了其高效性能。
- NID-SLAM：基于神经隐式表示的动态环境下的 RGB-D SLAM
提出了一种名为 NID-SLAM 的方法，通过增强语义掩膜中的不准确区域和选择关键帧来提高神经 SLAM 在动态环境中的性能。在动态环境中，该方法通过准确删除动态物体来降低相机漂移的概率，从而在跟踪准确性和建图质量方面优于其他竞争性神经 S - PLGSLAM：基于本地到全局捆集调整的渐进神经场景表示
PLGSLAM 是一种神经视觉 SLAM 系统，能够实时进行高保真度的场景重建和强健的相机追踪，在大规模室内场景下表现良好。
- 攻击闭环：对基于图的闭环检测的对抗攻击
通过使用特征提取和聚类技术，我们提出了一种新的黑盒逃避攻击框架，称为 Adversarial-LCD，用于攻击图形化的环路闭合检测系统。我们的实验结果表明，Adversarial-LCD 在攻击性能上优于其他机器学习代理算法，包括 SVM- - ObVi-SLAM：长期物体视觉 SLAM
ObVi-SLAM 是一种结合了低级视觉特征和持久目标的长期地图，在不同环境下生成准确的定位估计，适用于长时间尺度的机器人任务。
- DVI-SLAM: 双视觉惯性 SLAM 网络
该论文提出了一种新颖的深度 SLAM 网络，将图像因素和投影因素通过多因素数据关联模块整合到端到端可微的结构中，动态学习和调整视觉因素的置信度图，实验证实该方法在多个公共数据集上显著优于现有方法，包括 TartanAir、EuRoC 和 E - 基于标识标记的移动机器人定位的视觉 SLAM 比较研究
本研究通过使用具有黑白方格图案的方形人工地标的视觉 SLAM，对三种移动机器人定位模式进行了比较研究：SLAM、带先验地图的 SLAM 和带先验地图的定位。通过使用手持相机拍摄的室内图像序列来评估它们的性能，并通过扰乱先验地图的质量来研究每 - 基于几何特征的紧耦合激光雷达 - 视觉 SLAM 移动代理方案
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。
- 基于前沿探索的强化学习及其自治环境
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。
- 自适应特征网格的 NICE-SLAM
本研究提出稀疏 NICE-SLAM，将 Voxel Hashing 思想融入 NICE-SLAM 框架，通过自适应地添加和优化表面附近的体素特征来解决 NICE-SLAM 算法在适应大场景时存储密集而导致的存储空间问题。该方法使用的存储空间 - OSPC：在线序列光度校准
本研究提出了一种新的序贯估计方法来解决光度参数的校准问题，该方法在 Photometric Calibration 中具有高精度，解决了现有方法的优化问题。实验证明，这种方法适用于直接法和在线应用。
- 基于场景图的视角不变和准确的循环检测方法
介绍了一种基于逐步创建的场景图的新型回路检测方法，针对室内场景的视觉 SLAM。它同时考虑了宏观视图拓扑、微观视图拓扑和语义实例的占用率来找到正确的对应关系。
- TextSLAM: 带语义平面文本特征的视觉 SLAM
本文提出一种新颖的视觉 SLAM 方法，通过充分探索文本对象的几何和语义先验将其作为语义特征紧密集成，将文本对象建模为纹理丰富的平面贴片，其语义意义在飞行中提取和更新以进行更好的数据关联。通过局部平面特征和文本对象的语义意义的充分探索，SL