- 使用视觉惯性和深度惯性测量髌骨跟踪的 3D 手持式超声
通过结合二维超声波和运动跟踪，利用语义分割和位置配准进行三维重建，作者提出了一种用于监测关节运动的新方法，该方法能够在不需要昂贵的外部基础设施的情况下评估骨骼的三维重建准确性。
- CART: Caltech 野外空中 RGB - 热成像数据集
本研究提供了首个在自然环境中进行航空机器人操作的公开 RGB - 热数据集。该数据集捕捉了美国大陆各种地形，包括河流、湖泊、海岸线、沙漠和森林，并包含了同步的 RGB、长波热、全球定位和惯性数据。此外，我们为自然环境常见的 10 个类别提供 - MobileARLoc: 基于设备的稳健移动增强现实绝对定位
通过将绝对位置回归器与本地视觉惯导测量结合，MobileARLoc 框架在设备上实现了大规模的无标记移动增强现实，并且在减小定位误差和降低惯导漂移方面取得了显著结果。
- RD-VIO: 动态环境下移动增强现实的稳健视觉惯性测距
本研究设计了一种名为 RD-VIO 的新型视觉惯性测距系统，能够处理动态场景和纯旋转问题，并通过 IMU-PARSAC 算法和延迟三角测量技术来提高在这些问题上的性能。实验证明，在动态环境中，所提出的 RD-VIO 相较于其他方法具有明显优 - ECCV自适应视觉模式选择的高效深度视觉和惯性里程计
本文介绍了一种基于深度学习的自适应视觉惯性测距（VIO）方法，采用先进的策略网络，根据运动状态和惯性测量读数，在可能的情况下对视觉模态进行去激活，以减少计算的冗余并实现自适应复杂性缩减。实验结果表明，该技术可在评估 KITTI 数据集时实现 - 在 NVIDIA Jetson 上运行您的视觉惯性测距：一个微型飞行器的基准测试
本文在 NVIDIA Jetson 平台上针对机载摄像头的不同算法，进行了包括单目和双目覆盖视觉里程计（VO）和视觉惯性里程计（VIO）等方面的基准测试，并发布了 KAIST VIO 数据集进行计算机视觉和机器人应用。
- CodeVIO：基于学习优化的密集深度视觉惯性里程计
本文提出了一个轻量级的深度网络和视觉惯性测距（VIO）系统，利用提出的轻量级条件变分自动编码器（CVAE）来提高初始深度预测的精度和泛化能力，以便提供精确的状态估计和稠密的深度图。
- 用于空中操纵的视觉惯性远程操作
本文提出了一种新型的遥操作系统，其结合了触觉设备和虚拟现实，为遥操作者提供 3D 视觉反馈，通过利用机载视觉和惯性传感器、对象跟踪算法和对象数据库实现。通过室内和室外实验，我们证明了提出的系统在实现高级空中操作任务方面的优势，包括抓取、放置 - 基于滚动快门的直接视觉惯性里程计建模
本文提出一种直接的视觉惯性里程计方法（VIO），该方法基于来自快门滚动摄像机和惯性测量单元（IMU）的测量，估计传感器设置的运动和环境的稀疏 3D 几何图形，并结合光度束调整，估计一组最近的关键帧姿势和稀疏点的反深度，同时利用 IMU 信息 - 飞行机器人的视觉惯性测距
本文介绍了如何通过使用摄像头和惯性测量单元来实现无人机的姿态和速度的估计，摄像头和惯性测量单元十分常见且价格低廉。
- 无监督的视觉惯性测量深度补全
本文提出一种利用相机运动和视觉惯性测距系统估算的稀疏深度来推断密集深度的方法，采用预测性跨模态标准，通过构建场景的分段平面脚手架来推断密集深度，并在 KITTI 深度完成基准上表现出最先进的性能。
- 具有非线性因子恢复的视觉惯性映射
本研究提出了一种通过非线性因子恢复和捆绑调整的方法从视觉惯性测距（VIO）中提取有用信息，以实现全局一致的建图和提高准确性。在公共基准测试中，我们证明了该方法优于现有技术。
- CVPR神经视觉惯性测距的选择性传感器融合
本研究提出一种新颖的端到端选择性传感器融合框架，用于单目视觉内导（VIO）中的图像和惯性测量融合，以估计轨迹并提高对实际问题的鲁棒性，在三个公共数据集上进行了全面测试，并展示了融合策略的效果，尤其是在存在错误数据情况下。
- StructVIO：具有人造环境结构规律的视觉惯性里程计
提出了一种新的视觉惯性测距方法，采用 Atlanta World 模型，而不是 Manhattan World 假设，探索了与每个本地 Manhattan World 对齐的结构线，提高了测距方法的准确性和鲁棒性，并在大规模人造环境中表现出 - ECCVADVIO：一个视觉惯性里程计的真实数据集
通过提供高质量的真实世界数据和多种原始传感器数据，具有六自由度地面真值的计算机视觉基准集，比较 Google Tango、ARCore 和 Apple ARKit 的视觉惯性跟踪与两种学术方法。
- 用于评估视觉 - 惯性测距的 TUM VI 基准测试
本文提出了新的 TUM VI 基准数据集，为不同场景下的视觉惯性 (VI) 里程计进行评估提供具有多样性的序列，其中提供了相机图像和 IMU 测量值，并使用运动捕捉系统提供了准确的姿态真值。
- 使用动态边缘化的直接稀疏视觉惯性测程
本研究提出 VI-DSO，一种同时估计相机姿态和稀疏场景几何的视觉惯性测量新方法，通过最小化组合能量函数中的光度和 IMU 测量误差来进行优化，在 EuRoC 数据集上得到了比现有技术更好的效果。
- MM在线互操作姿态优化协同大规模稠密三维重建
本论文利用实时全局一致的重建系统和新的视觉惯性里程计方法，结合高质量的基于回归森林的定位方法，实现了第一款允许多用户合作使用普通硬件在半小时内重建整个建筑的系统。
- 事件摄像头的连续时间视觉惯性里程计
本文提出了一种基于连续时间表征的事件相机视觉惯性导航融合方法，并证明了该方法在准确性和适用性上优于当前最先进的事件相机视觉导航方法。
- 可视惯性单目 SLAM 及地图复用
本文介绍了一种新的紧密耦合的视觉惯性同时定位和建图系统，采用惯性测量单元进行初始测量，实现了零漂移定位，带有地图重用功能，并应用于单目相机的最一般问题。在微型飞行器公共数据集的 11 个序列中测试了该系统，证明了其比目前最先进的视觉惯性测量