Visual SLAM Related Research Save

视觉(语义) SLAM 相关研究跟踪

Project README

毕业快乐！最近更新 2021 年 07 月 05 日：论文更新 +104，开源代码 +9

Visual_SLAM_Related_Research

@Author：吴艳敏
@E-mail ：wuyanminmax[AT]gmail.com
@github ：wuxiaolang

前言

以下收集的论文、代码等资料主要与本人的硕士期间的学习方向 视觉 SLAM、增强现实 相关。目前（2019-2021）重点关注 VO、物体级 SLAM 和语义数据关联，对传感器融合、稠密建图也略有关注，所以资料的收集范围也与自己的兴趣比较一致，无法涵盖视觉 SLAM 的所有研究，请谨慎参考，部分整理后发布于知乎。主要内容包括：
1. 开源代码 ：经典、优秀的开源工程
2. 优秀作者与实验室 ：在自己感兴趣领域比较优秀的值得关注的团队或个人
3. SLAM 学习资料 ：SLAM 相关学习资料、视频、数据集、公众号和代码注释
4. 近期论文 ：自己感兴趣方向的最新论文，大概一个月一更新。部分论文的详/泛读笔记放在我的博客/List上。
🌚 本仓库于 2019 年 3 月（研一）开始整理（私密）；
🌝 本仓库于 2020 年 3月（研二）公开，正好一周年；
🎓 2021 年 7 月，研三硕士毕业，此仓库后续可能不会有很频繁的更新，祝各位学习工作顺利，学术交流欢迎邮件联系 wuyanminmax[AT]gmail.com。

1. 开源代码

这一部分整理之后发布在知乎（2020 年 3 月 31 日）：https://zhuanlan.zhihu.com/p/115599978/

:smile: 1.1 Geometric SLAM

1. PTAM

论文：Klein G, Murray D. Parallel tracking and mapping for small AR workspaces[C]//Mixed and Augmented Reality, 2007. ISMAR 2007. 6th IEEE and ACM International Symposium on. IEEE, 2007: 225-234.
代码：https://github.com/Oxford-PTAM/PTAM-GPL
工程地址：http://www.robots.ox.ac.uk/~gk/PTAM/
作者其他研究：http://www.robots.ox.ac.uk/~gk/publications.html

2. S-PTAM（双目 PTAM）

论文：Taihú Pire,Thomas Fischer, Gastón Castro, Pablo De Cristóforis, Javier Civera and Julio Jacobo Berlles. S-PTAM: Stereo Parallel Tracking and Mapping. Robotics and Autonomous Systems, 2017.
代码：https://github.com/lrse/sptam
作者其他论文：Castro G, Nitsche M A, Pire T, et al. Efficient on-board Stereo SLAM through constrained-covisibility strategies[J]. Robotics and Autonomous Systems, 2019.

3. MonoSLAM

论文：Davison A J, Reid I D, Molton N D, et al. MonoSLAM: Real-time single camera SLAM[J]. IEEE transactions on pattern analysis and machine intelligence, 2007, 29(6): 1052-1067.
代码：https://github.com/hanmekim/SceneLib2

4. ORB-SLAM2

论文：Mur-Artal R, Tardós J D. Orb-slam2: An open-source slam system for monocular, stereo, and rgb-d cameras[J]. IEEE Transactions on Robotics, 2017, 33(5): 1255-1262.
代码：https://github.com/raulmur/ORB_SLAM2
作者其他论文：
- 单目半稠密建图：Mur-Artal R, Tardós J D. Probabilistic Semi-Dense Mapping from Highly Accurate Feature-Based Monocular SLAM[C]//Robotics: Science and Systems. 2015, 2015.
- VIORB：Mur-Artal R, Tardós J D. Visual-inertial monocular SLAM with map reuse[J]. IEEE Robotics and Automation Letters, 2017, 2(2): 796-803.
- 多地图：Elvira R, Tardós J D, Montiel J M M. ORBSLAM-Atlas: a robust and accurate multi-map system[J]. arXiv preprint arXiv:1908.11585, 2019.

以下5, 6, 7, 8几项是 TUM 计算机视觉组全家桶，官方主页：https://vision.in.tum.de/research/vslam/dso

5. DSO

论文：Engel J, Koltun V, Cremers D. Direct sparse odometry[J]. IEEE transactions on pattern analysis and machine intelligence, 2017, 40(3): 611-625.
代码：https://github.com/JakobEngel/dso
双目 DSO：Wang R, Schworer M, Cremers D. Stereo DSO: Large-scale direct sparse visual odometry with stereo cameras[C]//Proceedings of the IEEE International Conference on Computer Vision. 2017: 3903-3911.
VI-DSO：Von Stumberg L, Usenko V, Cremers D. Direct sparse visual-inertial odometry using dynamic marginalization[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 2510-2517.

6. LDSO

高翔在 DSO 上添加闭环的工作
论文：Gao X, Wang R, Demmel N, et al. LDSO: Direct sparse odometry with loop closure[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 2198-2204.
代码：https://github.com/tum-vision/LDSO

7. LSD-SLAM

论文：Engel J, Schöps T, Cremers D. LSD-SLAM: Large-scale direct monocular SLAM[C]//European conference on computer vision. Springer, Cham, 2014: 834-849.
代码：https://github.com/tum-vision/lsd_slam

8. DVO-SLAM

论文：Kerl C, Sturm J, Cremers D. Dense visual SLAM for RGB-D cameras[C]//2013 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2013: 2100-2106.
代码 1：https://github.com/tum-vision/dvo_slam
代码 2：https://github.com/tum-vision/dvo
其他论文：
- Kerl C, Sturm J, Cremers D. Robust odometry estimation for RGB-D cameras[C]//2013 IEEE international conference on robotics and automation. IEEE, 2013: 3748-3754.
- Steinbrücker F, Sturm J, Cremers D. Real-time visual odometry from dense RGB-D images[C]//2011 IEEE international conference on computer vision workshops (ICCV Workshops). IEEE, 2011: 719-722.

9. SVO

苏黎世大学机器人与感知课题组
论文：Forster C, Pizzoli M, Scaramuzza D. SVO: Fast semi-direct monocular visual odometry[C]//2014 IEEE international conference on robotics and automation (ICRA). IEEE, 2014: 15-22.
代码：https://github.com/uzh-rpg/rpg_svo
Forster C, Zhang Z, Gassner M, et al. SVO: Semidirect visual odometry for monocular and multicamera systems[J]. IEEE Transactions on Robotics, 2016, 33(2): 249-265.

10. DSM

论文：Zubizarreta J, Aguinaga I, Montiel J M M. Direct sparse mapping[J]. arXiv preprint arXiv:1904.06577, 2019.
代码：https://github.com/jzubizarreta/dsm ；Video

11. openvslam

论文：Sumikura S, Shibuya M, Sakurada K. OpenVSLAM: A Versatile Visual SLAM Framework[C]//Proceedings of the 27th ACM International Conference on Multimedia. 2019: 2292-2295.
代码：https://github.com/xdspacelab/openvslam ；文档

12. se2lam（地面车辆位姿估计的视觉里程计）

论文：Zheng F, Liu Y H. Visual-Odometric Localization and Mapping for Ground Vehicles Using SE (2)-XYZ Constraints[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 3556-3562.
代码：https://github.com/izhengfan/se2lam
作者的另外一项工作
- 论文：Zheng F, Tang H, Liu Y H. Odometry-vision-based ground vehicle motion estimation with se (2)-constrained se (3) poses[J]. IEEE transactions on cybernetics, 2018, 49(7): 2652-2663.
- 代码：https://github.com/izhengfan/se2clam

13. GraphSfM（基于图的并行大规模 SFM）

论文：Chen Y, Shen S, Chen Y, et al. Graph-Based Parallel Large Scale Structure from Motion[J]. arXiv preprint arXiv:1912.10659, 2019.
代码：https://github.com/AIBluefisher/GraphSfM

14. LCSD_SLAM（松耦合的半直接法单目 SLAM）

论文：Lee S H, Civera J. Loosely-Coupled semi-direct monocular SLAM[J]. IEEE Robotics and Automation Letters, 2018, 4(2): 399-406.
代码：https://github.com/sunghoon031/LCSD_SLAM ；谷歌学术；演示视频
作者另外一篇关于单目尺度的文章代码开源：Lee S H, de Croon G. Stability-based scale estimation for monocular SLAM[J]. IEEE Robotics and Automation Letters, 2018, 3(2): 780-787.

15. RESLAM（基于边的 SLAM）

论文：Schenk F, Fraundorfer F. RESLAM: A real-time robust edge-based SLAM system[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 154-160.
代码：https://github.com/fabianschenk/RESLAM ；项目主页

16. scale_optimization（将单目 DSO 拓展到双目）

论文：Mo J, Sattar J. Extending Monocular Visual Odometry to Stereo Camera System by Scale Optimization[C]. International Conference on Intelligent Robots and Systems (IROS), 2019.
代码：https://github.com/jiawei-mo/scale_optimization

17. BAD-SLAM（直接法 RGB-D SLAM）

论文：Schops T, Sattler T, Pollefeys M. BAD SLAM: Bundle Adjusted Direct RGB-D SLAM[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019: 134-144.
代码：https://github.com/ETH3D/badslam

18. GSLAM（集成 ORB-SLAM2，DSO，SVO 的通用框架）

论文：Zhao Y, Xu S, Bu S, et al. GSLAM: A general SLAM framework and benchmark[C]//Proceedings of the IEEE International Conference on Computer Vision. 2019: 1110-1120.
代码：https://github.com/zdzhaoyong/GSLAM

19. ARM-VO（运行于 ARM 处理器上的单目 VO）

论文：Nejad Z Z, Ahmadabadian A H. ARM-VO: an efficient monocular visual odometry for ground vehicles on ARM CPUs[J]. Machine Vision and Applications, 2019: 1-10.
代码：https://github.com/zanazakaryaie/ARM-VO

20. cvo-rgbd（直接法 RGB-D VO）

论文：Ghaffari M, Clark W, Bloch A, et al. Continuous Direct Sparse Visual Odometry from RGB-D Images[J]. arXiv preprint arXiv:1904.02266, 2019.
代码：https://github.com/MaaniGhaffari/cvo-rgbd

21. Map2DFusion（单目 SLAM 无人机图像拼接）

论文：Bu S, Zhao Y, Wan G, et al. Map2DFusion: Real-time incremental UAV image mosaicing based on monocular slam[C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2016: 4564-4571.
代码：https://github.com/zdzhaoyong/Map2DFusion

22. CCM-SLAM（多机器人协同单目 SLAM）

论文：Schmuck P, Chli M. CCM‐SLAM: Robust and efficient centralized collaborative monocular simultaneous localization and mapping for robotic teams[J]. Journal of Field Robotics, 2019, 36(4): 763-781.
代码：https://github.com/VIS4ROB-lab/ccm_slam Video

23. ORB-SLAM3

论文：Carlos Campos, Richard Elvira, et al.ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM[J]. arXiv preprint arXiv:2007.11898, 2020.
代码：https://github.com/UZ-SLAMLab/ORB_SLAM3 | Video

24. OV²SLAM（完全实时在线多功能 SLAM）

论文：Ferrera M, Eudes A, Moras J, et al. OV $^{2} $ SLAM: A Fully Online and Versatile Visual SLAM for Real-Time Applications[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1399-1406.
代码：https://github.com/ov2slam/ov2slam

25. ESVO（基于事件的双目视觉里程计）

论文：Zhou Y, Gallego G, Shen S. Event-based stereo visual odometry[J]. IEEE Transactions on Robotics, 2021.
代码：https://github.com/HKUST-Aerial-Robotics/ESVO

26. VOLDOR-SLAM（实时稠密非直接法 SLAM）

论文：Min Z, Dunn E. VOLDOR-SLAM: For the Times When Feature-Based or Direct Methods Are Not Good Enough[J]. arXiv preprint arXiv:2104.06800, 2021.
代码：https://github.com/htkseason/VOLDOR

:smile: 1.2 Semantic / Deep SLAM

1. MsakFusion

论文：Runz M, Buffier M, Agapito L. Maskfusion: Real-time recognition, tracking and reconstruction of multiple moving objects[C]//2018 IEEE International Symposium on Mixed and Augmented Reality (ISMAR). IEEE, 2018: 10-20.
代码：https://github.com/martinruenz/maskfusion

2. SemanticFusion

论文：McCormac J, Handa A, Davison A, et al. Semanticfusion: Dense 3d semantic mapping with convolutional neural networks[C]//2017 IEEE International Conference on Robotics and automation (ICRA). IEEE, 2017: 4628-4635.
代码：https://github.com/seaun163/semanticfusion

3. semantic_3d_mapping

论文：Yang S, Huang Y, Scherer S. Semantic 3D occupancy mapping through efficient high order CRFs[C]//2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2017: 590-597.
代码：https://github.com/shichaoy/semantic_3d_mapping

4. Kimera（实时度量与语义定位建图开源库）

论文：Rosinol A, Abate M, Chang Y, et al. Kimera: an Open-Source Library for Real-Time Metric-Semantic Localization and Mapping[J]. arXiv preprint arXiv:1910.02490, 2019.
代码：https://github.com/MIT-SPARK/Kimera ；演示视频

5. NeuroSLAM（脑启发式 SLAM）

论文：Yu F, Shang J, Hu Y, et al. NeuroSLAM: a brain-inspired SLAM system for 3D environments[J]. Biological Cybernetics, 2019: 1-31.
代码：https://github.com/cognav/NeuroSLAM
第四作者就是 Rat SLAM 的作者，文章也比较了十余种脑启发式的 SLAM

6. gradSLAM（自动分区的稠密 SLAM）

论文：Jatavallabhula K M, Iyer G, Paull L. gradSLAM: Dense SLAM meets Automatic Differentiation[J]. arXiv preprint arXiv:1910.10672, 2019.
代码（预计 20 年 4 月放出）：https://github.com/montrealrobotics/gradSLAM ；项目主页，演示视频

7. ORB-SLAM2 + 目标检测/分割的方案语义建图

8. SIVO（语义辅助特征选择）

论文：Ganti P, Waslander S. Network Uncertainty Informed Semantic Feature Selection for Visual SLAM[C]//2019 16th Conference on Computer and Robot Vision (CRV). IEEE, 2019: 121-128.
代码：https://github.com/navganti/SIVO

9. FILD（临近图增量式闭环检测）

论文：Shan An, Guangfu Che, Fangru Zhou, Xianglong Liu, Xin Ma, Yu Chen. Fast and Incremental Loop Closure Detection using Proximity Graphs. pp. 378-385, The 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2019)
代码：https://github.com/AnshanTJU/FILD

10. object-detection-sptam（目标检测与双目 SLAM）

论文：Pire T, Corti J, Grinblat G. Online Object Detection and Localization on Stereo Visual SLAM System[J]. Journal of Intelligent & Robotic Systems, 2019: 1-10.
代码：https://github.com/CIFASIS/object-detection-sptam

11. Map Slammer（单目深度估计 + SLAM）

论文：Torres-Camara J M, Escalona F, Gomez-Donoso F, et al. Map Slammer: Densifying Scattered KSLAM 3D Maps with Estimated Depth[C]//Iberian Robotics conference. Springer, Cham, 2019: 563-574.
代码：https://github.com/jmtc7/mapSlammer

12. NOLBO（变分模型的概率 SLAM）

论文：Yu H, Lee B. Not Only Look But Observe: Variational Observation Model of Scene-Level 3D Multi-Object Understanding for Probabilistic SLAM[J]. arXiv preprint arXiv:1907.09760, 2019.
代码：https://github.com/bogus2000/NOLBO

13. GCNv2_SLAM （基于图卷积神经网络 SLAM）

论文：Tang J, Ericson L, Folkesson J, et al. GCNv2: Efficient correspondence prediction for real-time SLAM[J]. IEEE Robotics and Automation Letters, 2019, 4(4): 3505-3512.
代码：https://github.com/jiexiong2016/GCNv2_SLAM Video

14. semantic_suma（激光语义建图）

论文：Chen X, Milioto A, Palazzolo E, et al. SuMa++: Efficient LiDAR-based semantic SLAM[C]//2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019: 4530-4537.
代码：https://github.com/PRBonn/semantic_suma/ ；Video

15. Neural-SLAM（主动神经 SLAM）

论文：Chaplot D S, Gandhi D, Gupta S, et al. Learning to explore using active neural slam[C]. ICLR 2020.
代码：https://github.com/devendrachaplot/Neural-SLAM

16. TartanVO：一种通用的基于学习的 VO

论文：Wang W, Hu Y, Scherer S. TartanVO: A Generalizable Learning-based VO[J]. arXiv preprint arXiv:2011.00359, 2020.
代码：https://github.com/castacks/tartanvo
数据集：IROS2020 TartanAir: A Dataset to Push the Limits of Visual SLAM，数据集地址

17. DF-VO

论文：Zhan H, Weerasekera C S, Bian J W, et al. DF-VO: What Should Be Learnt for Visual Odometry?[J]. arXiv preprint arXiv:2103.00933, 2021.
- Zhan H, Weerasekera C S, Bian J W, et al. Visual odometry revisited: What should be learnt?[C]//2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020: 4203-4210.
代码：https://github.com/Huangying-Zhan/DF-VO

:smile: 1.3 Multi-Landmarks / Object SLAM

1. PL-SVO（点线 SVO）

论文：Gomez-Ojeda R, Briales J, Gonzalez-Jimenez J. PL-SVO: Semi-direct Monocular Visual Odometry by combining points and line segments[C]//Intelligent Robots and Systems (IROS), 2016 IEEE/RSJ International Conference on. IEEE, 2016: 4211-4216.
代码：https://github.com/rubengooj/pl-svo

2. stvo-pl（双目点线 VO）

论文：Gomez-Ojeda R, Gonzalez-Jimenez J. Robust stereo visual odometry through a probabilistic combination of points and line segments[C]//2016 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2016: 2521-2526.
代码：https://github.com/rubengooj/stvo-pl

3. PL-SLAM（点线 SLAM）

论文：Gomez-Ojeda R, Zuñiga-Noël D, Moreno F A, et al. PL-SLAM: a Stereo SLAM System through the Combination of Points and Line Segments[J]. arXiv preprint arXiv:1705.09479, 2017.
代码：https://github.com/rubengooj/pl-slam
Gomez-Ojeda R, Moreno F A, Zuñiga-Noël D, et al. PL-SLAM: a stereo SLAM system through the combination of points and line segments[J]. IEEE Transactions on Robotics, 2019, 35(3): 734-746.

4. PL-VIO

论文：He Y, Zhao J, Guo Y, et al. PL-VIO: Tightly-coupled monocular visual–inertial odometry using point and line features[J]. Sensors, 2018, 18(4): 1159.
代码：https://github.com/HeYijia/PL-VIO
VINS + 线段：https://github.com/Jichao-Peng/VINS-Mono-Optimization

5. lld-slam（用于 SLAM 的可学习型线段描述符）

论文：Vakhitov A, Lempitsky V. Learnable line segment descriptor for visual SLAM[J]. IEEE Access, 2019, 7: 39923-39934.
代码：https://github.com/alexandervakhitov/lld-slam ；Video

点线结合的工作还有很多，国内的比如

上交邹丹平老师的 Zou D, Wu Y, Pei L, et al. StructVIO: visual-inertial odometry with structural regularity of man-made environments[J]. IEEE Transactions on Robotics, 2019, 35(4): 999-1013.

浙大的 Zuo X, Xie X, Liu Y, et al. Robust visual SLAM with point and line features[C]//2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2017: 1775-1782.

6. PlaneSLAM

论文：Wietrzykowski J. On the representation of planes for efficient graph-based slam with high-level features[J]. Journal of Automation Mobile Robotics and Intelligent Systems, 2016, 10.
代码：https://github.com/LRMPUT/PlaneSLAM
作者另外一项开源代码，没有找到对应的论文：https://github.com/LRMPUT/PUTSLAM

7. Eigen-Factors（特征因子平面对齐）

论文：Ferrer G. Eigen-Factors: Plane Estimation for Multi-Frame and Time-Continuous Point Cloud Alignment[C]//2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019: 1278-1284.
代码：https://gitlab.com/gferrer/eigen-factors-iros2019 ；演示视频

8. PlaneLoc

论文：Wietrzykowski J, Skrzypczyński P. PlaneLoc: Probabilistic global localization in 3-D using local planar features[J]. Robotics and Autonomous Systems, 2019, 113: 160-173.
代码：https://github.com/LRMPUT/PlaneLoc

9. Pop-up SLAM

论文：Yang S, Song Y, Kaess M, et al. Pop-up slam: Semantic monocular plane slam for low-texture environments[C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2016: 1222-1229.
代码：https://github.com/shichaoy/pop_up_slam

10. Object SLAM

论文：Mu B, Liu S Y, Paull L, et al. Slam with objects using a nonparametric pose graph[C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2016: 4602-4609.
代码：https://github.com/BeipengMu/objectSLAM ；Video

11. voxblox-plusplus（物体级体素建图）

论文：Grinvald M, Furrer F, Novkovic T, et al. Volumetric instance-aware semantic mapping and 3D object discovery[J]. IEEE Robotics and Automation Letters, 2019, 4(3): 3037-3044.
代码：https://github.com/ethz-asl/voxblox-plusplus

12. Cube SLAM

论文：Yang S, Scherer S. Cubeslam: Monocular 3-d object slam[J]. IEEE Transactions on Robotics, 2019, 35(4): 925-938.
代码：https://github.com/shichaoy/cube_slam
对，这就是带我入坑的一项工作，2018 年 11 月份看到这篇论文（当时是预印版）之后开始学习物体级 SLAM，个人对 Cube SLAM 的一些注释和总结：链接。
也有很多有意思的但没开源的物体级 SLAM
- Ok K, Liu K, Frey K, et al. Robust Object-based SLAM for High-speed Autonomous Navigation[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 669-675.
- Li J, Meger D, Dudek G. Semantic Mapping for View-Invariant Relocalization[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 7108-7115.
- Nicholson L, Milford M, Sünderhauf N. Quadricslam: Dual quadrics from object detections as landmarks in object-oriented slam[J]. IEEE Robotics and Automation Letters, 2018, 4(1): 1-8.

13. VPS-SLAM（平面语义 SLAM）

论文：Bavle H, De La Puente P, How J, et al. VPS-SLAM: Visual Planar Semantic SLAM for Aerial Robotic Systems[J]. IEEE Access, 2020.
代码：https://bitbucket.org/hridaybavle/semantic_slam/src/master/

14. Structure-SLAM （低纹理环境下点线 SLAM）

论文：Li Y, Brasch N, Wang Y, et al. Structure-SLAM: Low-Drift Monocular SLAM in Indoor Environments[J]. IEEE Robotics and Automation Letters, 2020, 5(4): 6583-6590.
代码：https://github.com/yanyan-li/Structure-SLAM-PointLine

15. PL-VINS

论文：Fu Q, Wang J, Yu H, et al. PL-VINS: Real-Time Monocular Visual-Inertial SLAM with Point and Line[J]. arXiv preprint arXiv:2009.07462, 2020.
代码：https://github.com/cnqiangfu/PL-VINS

:smile: 1.4 Sensor Fusion

1. msckf_vio

论文：Sun K, Mohta K, Pfrommer B, et al. Robust stereo visual inertial odometry for fast autonomous flight[J]. IEEE Robotics and Automation Letters, 2018, 3(2): 965-972.
代码：https://github.com/KumarRobotics/msckf_vio ；Video

2. rovio

论文：Bloesch M, Omari S, Hutter M, et al. Robust visual inertial odometry using a direct EKF-based approach[C]//2015 IEEE/RSJ international conference on intelligent robots and systems (IROS). IEEE, 2015: 298-304.
代码：https://github.com/ethz-asl/rovio ；Video

3. R-VIO

论文：Huai Z, Huang G. Robocentric visual-inertial odometry[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 6319-6326.
代码：https://github.com/rpng/R-VIO ；Video
VI_ORB_SLAM2：https://github.com/YoujieXia/VI_ORB_SLAM2

4. okvis

论文：Leutenegger S, Lynen S, Bosse M, et al. Keyframe-based visual–inertial odometry using nonlinear optimization[J]. The International Journal of Robotics Research, 2015, 34(3): 314-334.
代码：https://github.com/ethz-asl/okvis

5. VIORB

论文：Mur-Artal R, Tardós J D. Visual-inertial monocular SLAM with map reuse[J]. IEEE Robotics and Automation Letters, 2017, 2(2): 796-803.
代码：https://github.com/jingpang/LearnVIORB （VIORB 本身是没有开源的，这是王京大佬复现的一个版本）

6. VINS-mono

论文：Qin T, Li P, Shen S. Vins-mono: A robust and versatile monocular visual-inertial state estimator[J]. IEEE Transactions on Robotics, 2018, 34(4): 1004-1020.
代码：https://github.com/HKUST-Aerial-Robotics/VINS-Mono
双目版 VINS-Fusion：https://github.com/HKUST-Aerial-Robotics/VINS-Fusion
移动段 VINS-mobile：https://github.com/HKUST-Aerial-Robotics/VINS-Mobile

7. VINS-RGBD

论文：Shan Z, Li R, Schwertfeger S. RGBD-Inertial Trajectory Estimation and Mapping for Ground Robots[J]. Sensors, 2019, 19(10): 2251.
代码：https://github.com/STAR-Center/VINS-RGBD ；Video

8. Open-VINS

论文：Geneva P, Eckenhoff K, Lee W, et al. Openvins: A research platform for visual-inertial estimation[C]//IROS 2019 Workshop on Visual-Inertial Navigation: Challenges and Applications, Macau, China. IROS 2019.
代码：https://github.com/rpng/open_vins

9. versavis（多功能的视惯传感器系统）

论文：Tschopp F, Riner M, Fehr M, et al. VersaVIS—An Open Versatile Multi-Camera Visual-Inertial Sensor Suite[J]. Sensors, 2020, 20(5): 1439.
代码：https://github.com/ethz-asl/versavis

10. CPI（视惯融合的封闭式预积分）

论文：Eckenhoff K, Geneva P, Huang G. Closed-form preintegration methods for graph-based visual–inertial navigation[J]. The International Journal of Robotics Research, 2018.
代码：https://github.com/rpng/cpi ；Video

11. TUM Basalt

论文：Usenko V, Demmel N, Schubert D, et al. Visual-inertial mapping with non-linear factor recovery[J]. IEEE Robotics and Automation Letters, 2019.
代码：https://github.com/VladyslavUsenko/basalt-mirror ；Video；Project Page

12. Limo（激光单目视觉里程计）

论文：Graeter J, Wilczynski A, Lauer M. Limo: Lidar-monocular visual odometry[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 7872-7879.
代码：https://github.com/johannes-graeter/limo ； Video

13. LARVIO（多状态约束卡尔曼滤波的单目 VIO）

论文：Qiu X, Zhang H, Fu W, et al. Monocular Visual-Inertial Odometry with an Unbiased Linear System Model and Robust Feature Tracking Front-End[J]. Sensors, 2019, 19(8): 1941.
代码：https://github.com/PetWorm/LARVIO
北航邱笑晨博士的一项工作

14. vig-init（垂直边缘加速视惯初始化）

论文：Li J, Bao H, Zhang G. Rapid and Robust Monocular Visual-Inertial Initialization with Gravity Estimation via Vertical Edges[C]//2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019: 6230-6236.
代码：https://github.com/zju3dv/vig-init
浙大章国峰老师组的一项工作

15. vilib（VIO 前端库）

论文：Nagy B, Foehn P, Scaramuzza D. Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO[J]. arXiv preprint arXiv:2003.13493, 2020.
代码：https://github.com/uzh-rpg/vilib

16. Kimera-VIO

论文：A. Rosinol, M. Abate, Y. Chang, L. Carlone, Kimera: an Open-Source Library for Real-Time Metric-Semantic Localization and Mapping. IEEE Intl. Conf. on Robotics and Automation (ICRA), 2020.
代码：https://github.com/MIT-SPARK/Kimera-VIO

17. maplab（视惯建图框架）

论文：Schneider T, Dymczyk M, Fehr M, et al. maplab: An open framework for research in visual-inertial mapping and localization[J]. IEEE Robotics and Automation Letters, 2018, 3(3): 1418-1425.
代码：https://github.com/ethz-asl/maplab
多会话建图，地图合并，视觉惯性批处理优化和闭环

18. lili-om：固态雷达惯性里程计与建图

论文：Li K, Li M, Hanebeck U D. Towards high-performance solid-state-lidar-inertial odometry and mapping[J]. arXiv preprint arXiv:2010.13150, 2020.
代码：https://github.com/KIT-ISAS/lili-om

19. CamVox：Lidar 辅助视觉 SLAM

论文：ZHU, Yuewen, et al. CamVox: A Low-cost and Accurate Lidar-assisted Visual SLAM System. arXiv preprint arXiv:2011.11357, 2020.
代码：https://github.com/ISEE-Technology/CamVox

20. SSL_SLAM：固态 LiDAR 轻量级 3D 定位与建图

论文：Wang H, Wang C, Xie L. Lightweight 3-D Localization and Mapping for Solid-State LiDAR[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1801-1807.
代码：https://github.com/wh200720041/SSL_SLAM

21. r2live：LiDAR-Inertial-Visual 紧耦合

论文：Lin J, Zheng C, Xu W, et al. R2LIVE: A Robust, Real-time, LiDAR-Inertial-Visual tightly-coupled state Estimator and mapping[J]. arXiv preprint arXiv:2102.12400, 2021.
代码：https://github.com/hku-mars/r2live

22. GVINS：GNSS-视觉-惯导紧耦合

论文：Cao S, Lu X, Shen S. GVINS: Tightly Coupled GNSS-Visual-Inertial for Smooth and Consistent State Estimation[J]. arXiv e-prints, 2021: arXiv: 2103.07899.
代码：https://github.com/HKUST-Aerial-Robotics/GVINS

23. LVI-SAM：Lidar-Visual-Inertial 建图与定位

论文：Shan T, Englot B, Ratti C, et al. LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping[J]. arXiv preprint arXiv:2104.10831, 2021. (ICRA2021)
代码：https://github.com/TixiaoShan/LVI-SAM

:smile: 1.5 Dynamic SLAM

1. DynamicSemanticMapping（动态语义建图）

论文：Kochanov D, Ošep A, Stückler J, et al. Scene flow propagation for semantic mapping and object discovery in dynamic street scenes[C]//Intelligent Robots and Systems (IROS), 2016 IEEE/RSJ International Conference on. IEEE, 2016: 1785-1792.
代码：https://github.com/ganlumomo/DynamicSemanticMapping ；wiki

2. DS-SLAM（动态语义 SLAM）

论文：Yu C, Liu Z, Liu X J, et al. DS-SLAM: A semantic visual SLAM towards dynamic environments[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 1168-1174.
代码：https://github.com/ivipsourcecode/DS-SLAM

3. Co-Fusion（实时分割与跟踪多物体）

论文：Rünz M, Agapito L. Co-fusion: Real-time segmentation, tracking and fusion of multiple objects[C]//2017 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2017: 4471-4478.
代码：https://github.com/martinruenz/co-fusion ； Video

4. DynamicFusion

论文：Newcombe R A, Fox D, Seitz S M. Dynamicfusion: Reconstruction and tracking of non-rigid scenes in real-time[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2015: 343-352.
代码：https://github.com/mihaibujanca/dynamicfusion

5. ReFusion（动态场景利用残差三维重建）

论文：Palazzolo E, Behley J, Lottes P, et al. ReFusion: 3D Reconstruction in Dynamic Environments for RGB-D Cameras Exploiting Residuals[J]. arXiv preprint arXiv:1905.02082, 2019.
代码：https://github.com/PRBonn/refusion ；Video

6. DynSLAM（室外大规模稠密重建）

论文：Bârsan I A, Liu P, Pollefeys M, et al. Robust dense mapping for large-scale dynamic environments[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 7510-7517.
代码：https://github.com/AndreiBarsan/DynSLAM
作者博士学位论文：Barsan I A. Simultaneous localization and mapping in dynamic scenes[D]. ETH Zurich, Department of Computer Science, 2017.

7. VDO-SLAM（动态物体感知的 SLAM）

论文：Zhang J, Henein M, Mahony R, et al. VDO-SLAM: A Visual Dynamic Object-aware SLAM System[J]. arXiv preprint arXiv:2005.11052, 2020.（IJRR Under Review）
- 相关论文
  - IROS 2020 Robust Ego and Object 6-DoF Motion Estimation and Tracking
  - ICRA 2020 Dynamic SLAM: The Need For Speed
代码：https://github.com/halajun/VDO_SLAM | video

:smile: 1.6 Mapping

1. InfiniTAM（跨平台 CPU 实时重建）

论文：Prisacariu V A, Kähler O, Golodetz S, et al. Infinitam v3: A framework for large-scale 3d reconstruction with loop closure[J]. arXiv preprint arXiv:1708.00783, 2017.
代码：https://github.com/victorprad/InfiniTAM ；project page

2. BundleFusion

论文：Dai A, Nießner M, Zollhöfer M, et al. Bundlefusion: Real-time globally consistent 3d reconstruction using on-the-fly surface reintegration[J]. ACM Transactions on Graphics (TOG), 2017, 36(4): 76a.
代码：https://github.com/niessner/BundleFusion ；工程地址

3. KinectFusion

论文：Newcombe R A, Izadi S, Hilliges O, et al. KinectFusion: Real-time dense surface mapping and tracking[C]//2011 10th IEEE International Symposium on Mixed and Augmented Reality. IEEE, 2011: 127-136.
代码：https://github.com/chrdiller/KinectFusionApp

4. ElasticFusion

论文：Whelan T, Salas-Moreno R F, Glocker B, et al. ElasticFusion: Real-time dense SLAM and light source estimation[J]. The International Journal of Robotics Research, 2016, 35(14): 1697-1716.
代码：https://github.com/mp3guy/ElasticFusion

5. Kintinuous

ElasticFusion 同一个团队的工作，帝国理工 Stefan Leutenegger 谷歌学术
论文：Whelan T, Kaess M, Johannsson H, et al. Real-time large-scale dense RGB-D SLAM with volumetric fusion[J]. The International Journal of Robotics Research, 2015, 34(4-5): 598-626.
代码：https://github.com/mp3guy/Kintinuous

6. ElasticReconstruction

论文：Choi S, Zhou Q Y, Koltun V. Robust reconstruction of indoor scenes[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015: 5556-5565.
代码：https://github.com/qianyizh/ElasticReconstruction ；作者主页

7. FlashFusion

论文：Han L, Fang L. FlashFusion: Real-time Globally Consistent Dense 3D Reconstruction using CPU Computing[C]. RSS, 2018.
代码（一直没放出来）：https://github.com/lhanaf/FlashFusion ； Project Page

8. RTAB-Map（激光视觉稠密重建）

论文：Labbé M, Michaud F. RTAB‐Map as an open‐source lidar and visual simultaneous localization and mapping library for large‐scale and long‐term online operation[J]. Journal of Field Robotics, 2019, 36(2): 416-446.
代码：https://github.com/introlab/rtabmap ；Video ；project page

9. RobustPCLReconstruction（户外稠密重建）

论文：Lan Z, Yew Z J, Lee G H. Robust Point Cloud Based Reconstruction of Large-Scale Outdoor Scenes[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019: 9690-9698.
代码：https://github.com/ziquan111/RobustPCLReconstruction ；Video

10. plane-opt-rgbd（室内平面重建）

论文：Wang C, Guo X. Efficient Plane-Based Optimization of Geometry and Texture for Indoor RGB-D Reconstruction[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. 2019: 49-53.
代码：https://github.com/chaowang15/plane-opt-rgbd

11. DenseSurfelMapping（稠密表面重建）

论文：Wang K, Gao F, Shen S. Real-time scalable dense surfel mapping[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 6919-6925.
代码：https://github.com/HKUST-Aerial-Robotics/DenseSurfelMapping

12. surfelmeshing（网格重建）

论文：Schöps T, Sattler T, Pollefeys M. Surfelmeshing: Online surfel-based mesh reconstruction[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2019.
代码：https://github.com/puzzlepaint/surfelmeshing

13. DPPTAM（单目稠密重建）

论文：Concha Belenguer A, Civera Sancho J. DPPTAM: Dense piecewise planar tracking and mapping from a monocular sequence[C]//Proc. IEEE/RSJ Int. Conf. Intell. Rob. Syst. 2015 (ART-2015-92153).
代码：https://github.com/alejocb/dpptam
相关研究：基于超像素的单目 SLAM：Using Superpixels in Monocular SLAM ICRA 2014 ；谷歌学术

14. VI-MEAN（单目视惯稠密重建）

论文：Yang Z, Gao F, Shen S. Real-time monocular dense mapping on aerial robots using visual-inertial fusion[C]//2017 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2017: 4552-4559.
代码：https://github.com/dvorak0/VI-MEAN ；Video

15. REMODE（单目概率稠密重建）

论文：Pizzoli M, Forster C, Scaramuzza D. REMODE: Probabilistic, monocular dense reconstruction in real time[C]//2014 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2014: 2609-2616.
原始开源代码：https://github.com/uzh-rpg/rpg_open_remode
与 ORB-SLAM2 结合版本：https://github.com/ayushgaud/ORB_SLAM2 https://github.com/ayushgaud/ORB_SLAM2

16. DeepFactors（实时的概率单目稠密 SLAM）

帝国理工学院戴森机器人实验室
论文：Czarnowski J, Laidlow T, Clark R, et al. DeepFactors: Real-Time Probabilistic Dense Monocular SLAM[J]. arXiv preprint arXiv:2001.05049, 2020.
代码：https://github.com/jczarnowski/DeepFactors （还未放出）
其他论文：Bloesch M, Czarnowski J, Clark R, et al. CodeSLAM—learning a compact, optimisable representation for dense visual SLAM[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 2560-2568.

17. probabilistic_mapping（单目概率稠密重建）

港科沈邵劼老师团队
论文：Ling Y, Wang K, Shen S. Probabilistic dense reconstruction from a moving camera[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 6364-6371.
代码：https://github.com/ygling2008/probabilistic_mapping
另外一篇稠密重建文章的代码一直没放出来 Github ：Ling Y, Shen S. Real‐time dense mapping for online processing and navigation[J]. Journal of Field Robotics, 2019, 36(5): 1004-1036.

18. ORB-SLAM2 单目半稠密建图

论文：Mur-Artal R, Tardós J D. Probabilistic Semi-Dense Mapping from Highly Accurate Feature-Based Monocular SLAM[C]//Robotics: Science and Systems. 2015, 2015.
代码（本身没有开源，贺博复现的一个版本）：https://github.com/HeYijia/ORB_SLAM2
加上线段之后的半稠密建图
- 论文：He S, Qin X, Zhang Z, et al. Incremental 3d line segment extraction from semi-dense slam[C]//2018 24th International Conference on Pattern Recognition (ICPR). IEEE, 2018: 1658-1663.
- 代码：https://github.com/shidahe/semidense-lines
- 作者在此基础上用于指导远程抓取操作的一项工作：https://github.com/atlas-jj/ORB-SLAM-free-space-carving

19. Voxgraph（SDF 体素建图）

论文：Reijgwart V, Millane A, Oleynikova H, et al. Voxgraph: Globally Consistent, Volumetric Mapping Using Signed Distance Function Submaps[J]. IEEE Robotics and Automation Letters, 2019, 5(1): 227-234.
代码：https://github.com/ethz-asl/voxgraph

20. SegMap（三维分割建图）

论文：Dubé R, Cramariuc A, Dugas D, et al. SegMap: 3d segment mapping using data-driven descriptors[J]. arXiv preprint arXiv:1804.09557, 2018.
代码：https://github.com/ethz-asl/segmap

21. OpenREALM：无人机实时建图框架

论文：Kern A, Bobbe M, Khedar Y, et al. OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles[J]. arXiv preprint arXiv:2009.10492, 2020.
代码：https://github.com/laxnpander/OpenREALM

22. c-blox：可拓展的 TSDF 稠密建图

论文：Millane A, Taylor Z, Oleynikova H, et al. C-blox: A scalable and consistent tsdf-based dense mapping approach[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 995-1002.
代码：https://github.com/ethz-asl/cblox

:smile: 1.7 Optimization

1. 后端优化库

GTSAM：https://github.com/borglab/gtsam ；官网
g2o：https://github.com/RainerKuemmerle/g2o
ceres：http://ceres-solver.org/

2. ICE-BA

论文：Liu H, Chen M, Zhang G, et al. Ice-ba: Incremental, consistent and efficient bundle adjustment for visual-inertial slam[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 1974-1982.
代码：https://github.com/baidu/ICE-BA

3. minisam（因子图最小二乘优化框架）

论文：Dong J, Lv Z. miniSAM: A Flexible Factor Graph Non-linear Least Squares Optimization Framework[J]. arXiv preprint arXiv:1909.00903, 2019.
代码：https://github.com/dongjing3309/minisam ；文档

4. SA-SHAGO（几何基元图优化）

论文：Aloise I, Della Corte B, Nardi F, et al. Systematic Handling of Heterogeneous Geometric Primitives in Graph-SLAM Optimization[J]. IEEE Robotics and Automation Letters, 2019, 4(3): 2738-2745.
代码：https://srrg.gitlab.io/sashago-website/index.html#

5. MH-iSAM2（SLAM 优化器）

论文：Hsiao M, Kaess M. MH-iSAM2: Multi-hypothesis iSAM using Bayes Tree and Hypo-tree[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 1274-1280.
代码：https://bitbucket.org/rpl_cmu/mh-isam2_lib/src/master/

6. MOLA（用于定位和建图的模块化优化框架）

论文：Blanco-Claraco J L. A Modular Optimization Framework for Localization and Mapping[J]. Proc. of Robotics: Science and Systems (RSS), FreiburgimBreisgau, Germany, 2019, 2.
代码：https://github.com/MOLAorg/mola ；Video ；使用文档

2. 优秀作者与实验室

这一部分整理之后发布在知乎（2020 年 4 月 19 日）：https://zhuanlan.zhihu.com/p/130530891

1. 美国卡耐基梅陇大学机器人研究所

研究方向：机器人感知、结构，服务型、运输、制造业、现场机器
研究所主页：https://www.ri.cmu.edu/
下属 Field Robotic Center 主页：https://frc.ri.cmu.edu/
发表论文：https://www.ri.cmu.edu/pubs/
👦 Michael Kaess：个人主页，谷歌学术
👦 Sebastian Scherer：个人主页，谷歌学术
📜 Kaess M, Ranganathan A, Dellaert F. iSAM: Incremental smoothing and mapping[J]. IEEE Transactions on Robotics, 2008, 24(6): 1365-1378.
📜 Hsiao M, Westman E, Zhang G, et al. Keyframe-based dense planar SLAM[C]//2017 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2017: 5110-5117.
📜 Kaess M. Simultaneous localization and mapping with infinite planes[C]//2015 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2015: 4605-4611.

2. 美国加州大学圣地亚哥分校语境机器人研究所

研究方向：多模态环境理解，语义导航，自主信息获取
实验室主页：https://existentialrobotics.org/index.html
发表论文汇总：https://existentialrobotics.org/pages/publications.html
👦 Nikolay Atanasov：个人主页谷歌学术
- 机器人状态估计与感知课程 ppt：https://natanaso.github.io/ece276a2019/schedule.html
📜 语义 SLAM 经典论文：Bowman S L, Atanasov N, Daniilidis K, et al. Probabilistic data association for semantic slam[C]//2017 IEEE international conference on robotics and automation (ICRA). IEEE, 2017: 1722-1729.
📜 实例网格模型定位与建图：Feng Q, Meng Y, Shan M, et al. Localization and Mapping using Instance-specific Mesh Models[C]//2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019: 4985-4991.
📜 基于事件相机的 VIO：Zihao Zhu A, Atanasov N, Daniilidis K. Event-based visual inertial odometry[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017: 5391-5399.

3. 美国特拉华大学机器人感知与导航组

研究方向：SLAM、VINS、语义定位与建图等
实验室主页：https://sites.udel.edu/robot/
发表论文汇总：https://sites.udel.edu/robot/publications/
Github 地址：https://github.com/rpng?page=2
📜 Geneva P, Eckenhoff K, Lee W, et al. Openvins: A research platform for visual-inertial estimation[C]//IROS 2019 Workshop on Visual-Inertial Navigation: Challenges and Applications, Macau, China. IROS 2019.（代码：https://github.com/rpng/open_vins ）
📜 Huai Z, Huang G. Robocentric visual-inertial odometry[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 6319-6326.（代码：https://github.com/rpng/R-VIO ）
📜 Zuo X, Geneva P, Yang Y, et al. Visual-Inertial Localization With Prior LiDAR Map Constraints[J]. IEEE Robotics and Automation Letters, 2019, 4(4): 3394-3401.
📜 Zuo X, Ye W, Yang Y, et al. Multimodal localization: Stereo over LiDAR map[J]. Journal of Field Robotics, 2020 （左星星博士谷歌学术）
👦 黄国权教授主页

4. 美国麻省理工学院航空航天实验室

研究方向：位姿估计与导航，路径规划，控制与决策，机器学习与强化学习
实验室主页：http://acl.mit.edu/
发表论文：http://acl.mit.edu/publications （实验室的学位论文也可以在这里找到）
👦 Jonathan P. How 教授：个人主页谷歌学术
👦 Kasra Khosoussi（SLAM 图优化）：谷歌学术
📜 物体级 SLAM：Mu B, Liu S Y, Paull L, et al. Slam with objects using a nonparametric pose graph[C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2016: 4602-4609.（代码：https://github.com/BeipengMu/objectSLAM）
📜 物体级 SLAM 导航：Ok K, Liu K, Frey K, et al. Robust Object-based SLAM for High-speed Autonomous Navigation[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 669-675.
📜 SLAM 的图优化：Khosoussi, K., Giamou, M., Sukhatme, G., Huang, S., Dissanayake, G., and How, J. P., Reliable Graphs for SLAM [C]//International Journal of Robotics Research (IJRR), 2019.

5. 美国麻省理工学院 SPARK 实验室

研究方向：移动机器人环境感知
实验室主页：http://web.mit.edu/sparklab/
👦 Luca Carlone 教授：个人主页谷歌学术
📜 SLAM 经典综述：Cadena C, Carlone L, Carrillo H, et al. Past, present, and future of simultaneous localization and mapping: Toward the robust-perception age[J]. IEEE Transactions on robotics, 2016, 32(6): 1309-1332.
📜 VIO 流形预积分：Forster C, Carlone L, Dellaert F, et al. On-Manifold Preintegration for Real-Time Visual--Inertial Odometry[J]. IEEE Transactions on Robotics, 2016, 33(1): 1-21.
📜 开源语义 SLAM：Rosinol A, Abate M, Chang Y, et al. Kimera: an Open-Source Library for Real-Time Metric-Semantic Localization and Mapping[J]. arXiv preprint arXiv:1910.02490, 2019.（代码：https://github.com/MIT-SPARK/Kimera ）

6. 美国麻省理工学院海洋机器人组

研究方向：水下或陆地移动机器人导航与建图
实验室主页：https://marinerobotics.mit.edu/ （隶属于 MIT 计算机科学与人工智能实验室）
👦 John Leonard 教授：谷歌学术
发表论文汇总：https://marinerobotics.mit.edu/biblio
📜 面向物体的 SLAM：Finman R, Paull L, Leonard J J. Toward object-based place recognition in dense rgb-d maps[C]//ICRA Workshop Visual Place Recognition in Changing Environments, Seattle, WA. 2015.
📜 拓展 KinectFusion：Whelan T, Kaess M, Fallon M, et al. Kintinuous: Spatially extended kinectfusion[J]. 2012.
📜 语义 SLAM 概率数据关联：Doherty K, Fourie D, Leonard J. Multimodal semantic slam with probabilistic data association[C]//2019 international conference on robotics and automation (ICRA). IEEE, 2019: 2419-2425.

7. 美国明尼苏达大学多元自主机器人系统实验室

研究方向：视觉、激光、惯性导航系统，移动设备大规模三维建模与定位
实验室主页：http://mars.cs.umn.edu/index.php
发表论文汇总：http://mars.cs.umn.edu/publications.php
👦 Stergios I. Roumeliotis：个人主页，谷歌学术
📜 移动设备 VIO：Wu K, Ahmed A, Georgiou G A, et al. A Square Root Inverse Filter for Efficient Vision-aided Inertial Navigation on Mobile Devices[C]//Robotics: Science and Systems. 2015, 2.（项目主页：http://mars.cs.umn.edu/research/sriswf.php ）
📜 移动设备大规模三维半稠密建图：Guo C X, Sartipi K, DuToit R C, et al. Resource-aware large-scale cooperative three-dimensional mapping using multiple mobile devices[J]. IEEE Transactions on Robotics, 2018, 34(5): 1349-1369. （项目主页：http://mars.cs.umn.edu/research/semi_dense_mapping.php ）
📜 VIO 相关研究：http://mars.cs.umn.edu/research/vins_overview.php

8. 美国宾夕法尼亚大学 Vijay Kumar 实验室

研究方向：自主微型无人机
实验室主页：https://www.kumarrobotics.org/
发表论文：https://www.kumarrobotics.org/publications/
研究成果视频：https://www.youtube.com/user/KumarLabPenn/videos
📜 无人机半稠密 VIO：Liu W, Loianno G, Mohta K, et al. Semi-Dense Visual-Inertial Odometry and Mapping for Quadrotors with SWAP Constraints[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 1-6.
📜 语义数据关联：Liu X, Chen S W, Liu C, et al. Monocular Camera Based Fruit Counting and Mapping with Semantic Data Association[J]. IEEE Robotics and Automation Letters, 2019, 4(3): 2296-2303.

9. Srikumar Ramalingam（美国犹他大学计算机学院）

研究方向：三维重构、语义分割、视觉 SLAM、图像定位、深度神经网络
👦 Srikumar Ramalingam：个人主页谷歌学术
📜 点面 SLAM：Taguchi Y, Jian Y D, Ramalingam S, et al. Point-plane SLAM for hand-held 3D sensors[C]//2013 IEEE international conference on robotics and automation. IEEE, 2013: 5182-5189.
📜 点线定位：Ramalingam S, Bouaziz S, Sturm P. Pose estimation using both points and lines for geo-localization[C]//2011 IEEE International Conference on Robotics and Automation. IEEE, 2011: 4716-4723.（视频）
📜 2D 3D 定位：Ataer-Cansizoglu E, Taguchi Y, Ramalingam S. Pinpoint SLAM: A hybrid of 2D and 3D simultaneous localization and mapping for RGB-D sensors[C]//2016 IEEE international conference on robotics and automation (ICRA). IEEE, 2016: 1300-1307.（视频）

10. Frank Dellaert（美国佐治亚理工学院机器人与智能机器研究中心）

研究方向：SLAM，图像时空重构
👦 个人主页，谷歌学术
📜 因子图：Dellaert F. Factor graphs and GTSAM: A hands-on introduction[R]. Georgia Institute of Technology, 2012. （GTSAM 代码：http://borg.cc.gatech.edu/ ）
📜 多机器人分布式 SLAM：Cunningham A, Wurm K M, Burgard W, et al. Fully distributed scalable smoothing and mapping with robust multi-robot data association[C]//2012 IEEE International Conference on Robotics and Automation. IEEE, 2012: 1093-1100.
📜 Choudhary S, Trevor A J B, Christensen H I, et al. SLAM with object discovery, modeling and mapping[C]//2014 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2014: 1018-1025.

11. Patricio Vela （美国佐治亚理工学院智能视觉与自动化实验室）

研究方向：机器人控制、定位与导航
实验室主页：http://ivalab.gatech.edu/
👦 Patricio Vela 个人主页
👦 赵轶璞个人主页谷歌学术
📜 Zhao Y, Smith J S, Karumanchi S H, et al. Closed-Loop Benchmarking of Stereo Visual-Inertial SLAM Systems: Understanding the Impact of Drift and Latency on Tracking Accuracy[J]. arXiv preprint arXiv:2003.01317, 2020.
📜 Zhao Y, Vela P A. Good feature selection for least squares pose optimization in VO/VSLAM[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 1183-1189.（代码：https://github.com/ivalab/FullResults_GoodFeature ）
📜 Zhao Y, Vela P A. Good line cutting: Towards accurate pose tracking of line-assisted VO/VSLAM[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 516-531. （代码：https://github.com/ivalab/GF_PL_SLAM ）

12. 加拿大蒙特利尔大学机器人与嵌入式 AI 实验室

研究方向：SLAM，不确定性建模
实验室主页：http://montrealrobotics.ca/
👦 Liam Paull 教授：个人主页谷歌学术
📜 Mu B, Liu S Y, Paull L, et al. Slam with objects using a nonparametric pose graph[C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2016: 4602-4609.（代码：https://github.com/BeipengMu/objectSLAM）
📜 Murthy Jatavallabhula K, Iyer G, Paull L. gradSLAM: Dense SLAM meets Automatic Differentiation[J]. arXiv preprint arXiv:1910.10672, 2019.（代码：https://github.com/montrealrobotics/gradSLAM ）

13. 加拿大舍布鲁克大学智能、交互、综合、跨学科机器人实验室

研究方向：移动机器人软硬件设计
实验室主页：https://introlab.3it.usherbrooke.ca/
📜 激光视觉稠密重建：Labbé M, Michaud F. RTAB‐Map as an open‐source lidar and visual simultaneous localization and mapping library for large‐scale and long‐term online operation[J]. Journal of Field Robotics, 2019, 36(2): 416-446.
- 代码：https://github.com/introlab/rtabmap
- 项目主页：http://introlab.github.io/rtabmap/

14. 瑞士苏黎世大学机器人与感知课题组

研究方向：移动机器人、无人机环境感知与导航，VISLAM，事件相机
实验室主页：http://rpg.ifi.uzh.ch/index.html
发表论文汇总：http://rpg.ifi.uzh.ch/publications.html
Github 代码公开地址：https://github.com/uzh-rpg
📜 Forster C, Pizzoli M, Scaramuzza D. SVO: Fast semi-direct monocular visual odometry[C]//2014 IEEE international conference on robotics and automation (ICRA). IEEE, 2014: 15-22.
📜 VO/VIO 轨迹评估工具 rpg_trajectory_evaluation：https://github.com/uzh-rpg/rpg_trajectory_evaluation
📜 事件相机项目主页：http://rpg.ifi.uzh.ch/research_dvs.html
👦 人物：Davide Scaramuzza 张子潮

15. 瑞士苏黎世联邦理工计算机视觉与几何实验室

研究方向：定位、三维重建、语义分割、机器人视觉
实验室主页：http://www.cvg.ethz.ch/index.php
发表论文：http://www.cvg.ethz.ch/publications/
📜 视觉语义里程计：Lianos K N, Schonberger J L, Pollefeys M, et al. Vso: Visual semantic odometry[C]//Proceedings of the European conference on computer vision (ECCV). 2018: 234-250.
📜 视觉语义定位：CVPR 2018 Semantic visual localization
- 作者博士学位论文：2018 Robust Methods for Accurate and Efficient 3D Modeling from Unstructured Imagery
📜 大规模户外建图：Bârsan I A, Liu P, Pollefeys M, et al. Robust dense mapping for large-scale dynamic environments[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 7510-7517.
- 代码：https://github.com/AndreiBarsan/DynSLAM
- 作者博士学位论文：Barsan I A. Simultaneous localization and mapping in dynamic scenes[D]. ETH Zurich, Department of Computer Science, 2017.
👦 Marc Pollefeys：个人主页，谷歌学术
👦 Johannes L. Schönberger：个人主页，谷歌学术

16. 英国帝国理工学院戴森机器人实验室

研究方向：机器人视觉场景与物体理解、机器人操纵
实验室主页：https://www.imperial.ac.uk/dyson-robotics-lab/
发表论文：https://www.imperial.ac.uk/dyson-robotics-lab/publications/
代表性工作：MonoSLAM、CodeSLAM、ElasticFusion、KinectFusion
- 📜 ElasticFusion：Whelan T, Leutenegger S, Salas-Moreno R, et al. ElasticFusion: Dense SLAM without a pose graph[C]. Robotics: Science and Systems, 2015.（代码：https://github.com/mp3guy/ElasticFusion ）
- 📜 Semanticfusion：McCormac J, Handa A, Davison A, et al. Semanticfusion: Dense 3d semantic mapping with convolutional neural networks[C]//2017 IEEE International Conference on Robotics and automation (ICRA). IEEE, 2017: 4628-4635.（代码：https://github.com/seaun163/semanticfusion ）
- 📜 Code-SLAM：Bloesch M, Czarnowski J, Clark R, et al. CodeSLAM—learning a compact, optimisable representation for dense visual SLAM[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 2560-2568.
👦 Andrew Davison：谷歌学术

17. 英国牛津大学信息工程学

研究方向：SLAM、目标跟踪、运动结构、场景增强、移动机器人运动规划、导航与建图等等等
实验室主页：http://www.robots.ox.ac.uk/
- 主动视觉实验室：http://www.robots.ox.ac.uk/ActiveVision/
- 牛津机器人学院：https://ori.ox.ac.uk/
发表论文汇总：
- 主动视觉实验室：http://www.robots.ox.ac.uk/ActiveVision/Publications/index.html
- 机器人学院：https://ori.ox.ac.uk/publications/papers/
代表性工作：
- 📜 Klein G, Murray D. PTAM: Parallel tracking and mapping for small AR workspaces[C]//2007 6th IEEE and ACM international symposium on mixed and augmented reality. IEEE, 2007: 225-234.
- 📜 RobotCar 数据集：https://robotcar-dataset.robots.ox.ac.uk/
👦 人物（谷歌学术）：David Murray Maurice Fallon
部分博士学位论文可以在这里搜到：https://ora.ox.ac.uk/

18. 德国慕尼黑工业大学计算机视觉组

研究方向：三维重建、机器人视觉、深度学习、视觉 SLAM 等
实验室主页：https://vision.in.tum.de/research/vslam
发表论文汇总：https://vision.in.tum.de/publications
代表作：DSO、LDSO、LSD_SLAM、DVO_SLAM
- 📜 DSO：Engel J, Koltun V, Cremers D. Direct sparse odometry[J]. IEEE transactions on pattern analysis and machine intelligence, 2017, 40(3): 611-625.（代码：https://github.com/JakobEngel/dso ）
- 📜 LSD-SLAM： Engel J, Schöps T, Cremers D. LSD-SLAM: Large-scale direct monocular SLAM[C]//European conference on computer vision. Springer, Cham, 2014: 834-849.（代码：https://github.com/tum-vision/lsd_slam ）2.
Github 地址：https://github.com/tum-vision
👦 Daniel Cremers 教授：个人主页谷歌学术
👦 Jakob Engel（LSD-SLAM，DSO 作者）：个人主页谷歌学术

19. 德国马克斯普朗克智能系统研究所嵌入式视觉组

研究方向：智能体自主环境理解、导航与物体操纵
实验室主页：https://ev.is.tuebingen.mpg.de/
👦 负责人 Jörg Stückler（前 TUM 教授）：个人主页谷歌学术
📜 发表论文汇总：https://ev.is.tuebingen.mpg.de/publications
Kasyanov A, Engelmann F, Stückler J, et al. Keyframe-based visual-inertial online SLAM with relocalization[C]//2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2017: 6662-6669.
📜 Strecke M, Stuckler J. EM-Fusion: Dynamic Object-Level SLAM with Probabilistic Data Association[C]//Proceedings of the IEEE International Conference on Computer Vision. 2019: 5865-5874.
📜 Usenko, V., Demmel, N., Schubert, D., Stückler, J., Cremers, D. Visual-Inertial Mapping with Non-Linear Factor Recovery IEEE Robotics and Automation Letters (RA-L), 5, 2020

20. 德国弗莱堡大学智能自主系统实验室

研究方向：多机器人导航与协作，环境建模与状态估计
实验室主页：http://ais.informatik.uni-freiburg.de/index_en.php
发表论文汇总：http://ais.informatik.uni-freiburg.de/publications/index_en.php （学位论文也可以在这里找到）
👦 Wolfram Burgard：谷歌学术
开放数据集：http://aisdatasets.informatik.uni-freiburg.de/
📜 RGB-D SLAM：Endres F, Hess J, Sturm J, et al. 3-D mapping with an RGB-D camera[J]. IEEE transactions on robotics, 2013, 30(1): 177-187.（代码：https://github.com/felixendres/rgbdslam_v2 ）
📜 跨季节的 SLAM：Naseer T, Ruhnke M, Stachniss C, et al. Robust visual SLAM across seasons[C]//2015 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2015: 2529-2535.
📜 博士学位论文：Robust Graph-Based Localization and Mapping 2015
📜 博士学位论文：Discovering and Leveraging Deep Multimodal Structure for Reliable Robot Perception and Localization 2019
📜 博士学位论文：Robot Localization and Mapping in Dynamic Environments 2019

21. 西班牙萨拉戈萨大学机器人、感知与实时组 SLAM 实验室

研究方向：视觉 SLAM、物体 SLAM、非刚性 SLAM、机器人、增强现实
实验室主页：http://robots.unizar.es/slamlab/
发表论文：http://robots.unizar.es/slamlab/?extra=3 （论文好像没更新，可以访问下面实验室大佬的谷歌学术查看最新论文）
👦 J. M. M. Montiel：谷歌学术
📜 Mur-Artal R, Tardós J D. Orb-slam2: An open-source slam system for monocular, stereo, and rgb-d cameras[J]. IEEE Transactions on Robotics, 2017, 33(5): 1255-1262.
Gálvez-López D, Salas M, Tardós J D, et al. Real-time monocular object slam[J]. Robotics and Autonomous Systems, 2016, 75: 435-449.
📜 Strasdat H, Montiel J M M, Davison A J. Real-time monocular SLAM: Why filter?[C]//2010 IEEE International Conference on Robotics and Automation. IEEE, 2010: 2657-2664.
📜 Zubizarreta J, Aguinaga I, Montiel J M M. Direct sparse mapping[J]. arXiv preprint arXiv:1904.06577, 2019.
- Elvira R, Tardós J D, Montiel J M M. ORBSLAM-Atlas: a robust and accurate multi-map system[J]. arXiv preprint arXiv:1908.11585, 2019.

22. 西班牙马拉加大学机器感知与智能机器人课题组

研究方向：自主机器人、人工嗅觉、计算机视觉
实验室主页：http://mapir.uma.es/mapirwebsite/index.php/topics-2.html
发表论文汇总：http://mapir.isa.uma.es/mapirwebsite/index.php/publications-menu-home.html
📜 Gomez-Ojeda R, Moreno F A, Zuñiga-Noël D, et al. PL-SLAM: a stereo SLAM system through the combination of points and line segments[J]. IEEE Transactions on Robotics, 2019, 35(3): 734-746.（代码：https://github.com/rubengooj/pl-slam ）
👦 Francisco-Angel Moreno
👦 Ruben Gomez-Ojeda 点线 SLAM
- 📜 Gomez-Ojeda R, Briales J, Gonzalez-Jimenez J. PL-SVO: Semi-direct Monocular Visual Odometry by combining points and line segments[C]//Intelligent Robots and Systems (IROS), 2016 IEEE/RSJ International Conference on. IEEE, 2016: 4211-4216.（代码：https://github.com/rubengooj/pl-svo ）
- 📜 Gomez-Ojeda R, Gonzalez-Jimenez J. Robust stereo visual odometry through a probabilistic combination of points and line segments[C]//2016 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2016: 2521-2526.（代码：https://github.com/rubengooj/stvo-pl ）
- 📜 Gomez-Ojeda R, Zuñiga-Noël D, Moreno F A, et al. PL-SLAM: a Stereo SLAM System through the Combination of Points and Line Segments[J]. arXiv preprint arXiv:1705.09479, 2017.（代码：https://github.com/rubengooj/pl-slam ）

23. Alejo Concha（Oculus VR，西班牙萨拉戈萨大学）

研究方向：SLAM，单目稠密重建，传感器融合
👦 个人主页：https://sites.google.com/view/alejoconcha/ 谷歌学术
Github：https://github.com/alejocb
📜 IROS 2015 单目平面重建：DPPTAM: Dense piecewise planar tracking and mapping from a monocular sequence （代码：https://github.com/alejocb/dpptam ）
📜 IROS 2017 开源 RGB-D SLAM：RGBDTAM: A Cost-Effective and Accurate RGB-D Tracking and Mapping System（代码：https://github.com/alejocb/rgbdtam ）
📜 ICRA 2016：Visual-inertial direct SLAM
📜 ICRA 2014：Using Superpixels in Monocular SLAM
RSS 2014：Manhattan and Piecewise-Planar Constraints for Dense Monocular Mapping

24. 奥地利格拉茨技术大学计算机图形学与视觉研究所

研究方向：AR/VR，机器人视觉，机器学习，目标识别与三维重建
实验室主页：https://www.tugraz.at/institutes/icg/home/
👦 Friedrich Fraundorfer 教授：团队主页谷歌学术
- 📜 Visual Odometry: Part I The First 30 Years and Fundamentals
- 📜 Visual Odometry: Part II: Matching, Robustness, Optimization, and Applications
- 📜 Schenk F, Fraundorfer F. RESLAM: A real-time robust edge-based SLAM system[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 154-160.（代码：https://github.com/fabianschenk/RESLAM ）
👦 Dieter Schmalstieg 教授：团队主页谷歌学术
- 📜 教科书：Augmented Reality: Principles and Practice
- 📜 Arth C, Pirchheim C, Ventura J, et al. Instant outdoor localization and slam initialization from 2.5 d maps[J]. IEEE transactions on visualization and computer graphics, 2015, 21(11): 1309-1318.
- 📜 Hachiuma R, Pirchheim C, Schmalstieg D, et al. DetectFusion: Detecting and Segmenting Both Known and Unknown Dynamic Objects in Real-time SLAM[J]. arXiv preprint arXiv:1907.09127, 2019.

25. 波兰波兹南工业大学移动机器人实验室

研究方向：SLAM，机器人运动规划，控制
实验室主页：http://lrm.put.poznan.pl/
Github 主页：https://github.com/LRMPUT
📜 Wietrzykowski J. On the representation of planes for efficient graph-based slam with high-level features[J]. Journal of Automation Mobile Robotics and Intelligent Systems, 2016, 10.（代码：https://github.com/LRMPUT/PlaneSLAM ）
📜 Wietrzykowski J, Skrzypczyński P. PlaneLoc: Probabilistic global localization in 3-D using local planar features[J]. Robotics and Autonomous Systems, 2019.（代码：https://github.com/LRMPUT/PlaneLoc ）
📜 PUTSLAM：http://lrm.put.poznan.pl/putslam/

26. Alexander Vakhitov（三星莫斯科 AI 中心）

研究方向：SLAM，几何视觉
👦 个人主页：https://alexandervakhitov.github.io/ ，谷歌学术
📜 点线 SLAM：ICRA 2017 PL-SLAM: Real-time monocular visual SLAM with points and lines
📜 点线定位：Pumarola A, Vakhitov A, Agudo A, et al. Relative localization for aerial manipulation with PL-SLAM[M]//Aerial Robotic Manipulation. Springer, Cham, 2019: 239-248.
📜 学习型线段：IEEE Access 2019 Learnable line segment descriptor for visual SLAM（代码：https://github.com/alexandervakhitov/lld-slam ）

27. 澳大利亚昆士兰科技大学机器人技术中心

研究方向：脑启发式机器人，采矿机器人，机器人视觉
实验室主页：https://www.qut.edu.au/research/centre-for-robotics
开源代码：https://research.qut.edu.au/qcr/open-source-code/
👦 Niko Sünderhauf：个人主页，谷歌学术
- 📜 RA-L 2018 二次曲面 SLAM：QuadricSLAM: Dual quadrics from object detections as landmarks in object-oriented SLAM
- 📜 Nicholson L, Milford M, Sunderhauf N. QuadricSLAM: Dual quadrics as SLAM landmarks[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. 2018: 313-314.
- 📜 Semantic SLAM 项目主页：http://www.semanticslam.ai/
- 📜 IROS 2017：Meaningful maps with object-oriented semantic mapping
👦 Michael Milford：谷歌学术 https://scholar.google.com/citations?user=TDSmCKgAAAAJ&hl=zh-CN&oi=ao
- 📜 ICRA 2012：SeqSLAM: Visual route-based navigation for sunny summer days and stormy winter nights （代码：https://michaelmilford.com/seqslam/）
- 📜 Ball D, Heath S, Wiles J, et al. OpenRatSLAM: an open source brain-based SLAM system[J]. Autonomous Robots, 2013, 34(3): 149-176.（代码：https://openslam-org.github.io/openratslam.html ）
- 📜 Yu F, Shang J, Hu Y, et al. NeuroSLAM: a brain-inspired SLAM system for 3D environments[J]. Biological Cybernetics, 2019, 113(5-6): 515-545. （代码：https://github.com/cognav/NeuroSLAM ）

28. 澳大利亚机器人视觉中心

研究方向：机器人感知、理解与学习（集合了昆士兰科技大学，澳大利亚国立大学，阿德莱德大学，昆士兰大学等学校机器人领域的研究者）
实验室主页：https://www.roboticvision.org/
人物：https://www.roboticvision.org/rv_person_category/researchers/
发表论文汇总：https://www.roboticvision.org/publications/scientific-publications/
👦 Yasir Latif：个人主页，谷歌学术
- 📜 Latif Y, Cadena C, Neira J. Robust loop closing over time for pose graph SLAM[J]. The International Journal of Robotics Research, 2013, 32(14): 1611-1626.
- 📜 Latif Y, Cadena C, Neira J. Robust loop closing over time[C]//Proc. Robotics: Science Systems. 2013: 233-240.（代码：https://github.com/ylatif/rrr ）
👦 Ian D Reid：谷歌学术：https://scholar.google.com/citations?user=ATkNLcQAAAAJ&hl=zh-CN&oi=sra
- 📜 ICRA 2019：Real-time monocular object-model aware sparse SLAM
- 📜 Reid I. Towards semantic visual SLAM[C]//2014 13th International Conference on Control Automation Robotics & Vision (ICARCV). IEEE, 2014: 1-1.

29. 日本国立先进工业科学技术研究所

人工智能研究中心：https://www.airc.aist.go.jp/en/intro/
👦 Ken Sakurada：个人主页，谷歌学术
- 📜 Sumikura S, Shibuya M, Sakurada K. OpenVSLAM: A Versatile Visual SLAM Framework[C]//Proceedings of the 27th ACM International Conference on Multimedia. 2019: 2292-2295.（代码：https://github.com/xdspacelab/openvslam ）
👦 Shuji Oishi：谷歌学术
- 📜 极稠密特征点建图：Yokozuka M, Oishi S, Thompson S, et al. VITAMIN-E: visual tracking and MappINg with extremely dense feature points[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2019: 9641-9650.
- 📜 Oishi S, Inoue Y, Miura J, et al. SeqSLAM++: View-based robot localization and navigation[J]. Robotics and Autonomous Systems, 2019, 112: 13-21.

30. Pyojin Kim（韩国首尔大学自主机器人实验室）

研究方向：视觉里程计，定位，AR/VR
👦 个人主页，谷歌学术
📜 平面 SLAM：ECCV 2018：Linear RGB-D SLAM for planar environments
📜 光照变化下的鲁棒 SLAM：ICRA 2017：Robust visual localization in changing lighting conditions
📜 线面 SLAM：CVPR 2018：Indoor RGB-D Compass from a Single Line and Plane
📜 博士学位论文：Low-Drift Visual Odometry for Indoor Robotics

31. 香港科技大学空中机器人实验室

研究方向：空中机器人在复杂环境下的自主运行，包括状态估计、建图、运动规划、多机器人协同以及低成本传感器和计算组件的实验平台开发。
实验室主页：http://uav.ust.hk/
发表论文：http://uav.ust.hk/publications/
👦 沈邵劼教授谷歌学术
代码公开地址：https://github.com/HKUST-Aerial-Robotics
📜 Qin T, Li P, Shen S. Vins-mono: A robust and versatile monocular visual-inertial state estimator[J]. IEEE Transactions on Robotics, 2018, 34(4): 1004-1020.（代码：https://github.com/HKUST-Aerial-Robotics/VINS-Mono ）
📜 Wang K, Gao F, Shen S. Real-time scalable dense surfel mapping[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 6919-6925.（代码：https://github.com/HKUST-Aerial-Robotics/DenseSurfelMapping ）

32. 香港科技大学机器人与多感知实验室 RAM-LAB

研究方向：无人车；无人船；室内定位；机器学习。
实验室主页：https://www.ram-lab.com/
发表论文：https://www.ram-lab.com/publication/
👦 刘明教授谷歌学术
📜 Ye H, Chen Y, Liu M. Tightly coupled 3d lidar inertial odometry and mapping[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 3144-3150.（代码：https://github.com/hyye/lio-mapping ）
📜 Zhang J, Tai L, Boedecker J, et al. Neural slam: Learning to explore with external memory[J]. arXiv preprint arXiv:1706.09520, 2017.

33. 香港中文大学天石机器人实验室

研究方向：工业、物流、手术机器人，三维影像，机器学习
实验室主页：http://ri.cuhk.edu.hk/
👦 刘云辉教授：http://ri.cuhk.edu.hk/yhliu
👦 李浩昂：个人主页，谷歌学术
- 📜 Li H, Yao J, Bazin J C, et al. A monocular SLAM system leveraging structural regularity in Manhattan world[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 2518-2525.
- 📜 Li H, Yao J, Lu X, et al. Combining points and lines for camera pose estimation and optimization in monocular visual odometry[C]//2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2017: 1289-1296.
- 📜 消失点检测：Lu X, Yaoy J, Li H, et al. 2-Line Exhaustive Searching for Real-Time Vanishing Point Estimation in Manhattan World[C]//Applications of Computer Vision (WACV), 2017 IEEE Winter Conference on. IEEE, 2017: 345-353.（代码：https://github.com/xiaohulugo/VanishingPointDetection ）
👦 郑帆：个人主页，谷歌学术
- 📜 Zheng F, Tang H, Liu Y H. Odometry-vision-based ground vehicle motion estimation with se (2)-constrained se (3) poses[J]. IEEE transactions on cybernetics, 2018, 49(7): 2652-2663.（代码：https://github.com/izhengfan/se2clam ）
- 📜 Zheng F, Liu Y H. Visual-Odometric Localization and Mapping for Ground Vehicles Using SE (2)-XYZ Constraints[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 3556-3562.（代码：https://github.com/izhengfan/se2lam ）

34. 浙江大学 CAD&CG 国家重点实验室

研究方向：SFM/SLAM，三维重建，增强现实
实验室主页：http://www.zjucvg.net/
Github 代码地址：https://github.com/zju3dv
👦 章国峰教授：个人主页，谷歌学术
📜 ICE-BA：Liu H, Chen M, Zhang G, et al. Ice-ba: Incremental, consistent and efficient bundle adjustment for visual-inertial slam[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 1974-1982.（代码：https://github.com/zju3dv/EIBA ）
📜 RK-SLAM：Liu H, Zhang G, Bao H. Robust keyframe-based monocular SLAM for augmented reality[C]//2016 IEEE International Symposium on Mixed and Augmented Reality (ISMAR). IEEE, 2016: 1-10.（项目主页：http://www.zjucvg.net/rkslam/rkslam.html ）
📜 RD-SLAM：Tan W, Liu H, Dong Z, et al. Robust monocular SLAM in dynamic environments[C]//2013 IEEE International Symposium on Mixed and Augmented Reality (ISMAR). IEEE, 2013: 209-218.

35. 邹丹平（上海交通大学）

研究方向：视觉 SLAM，SFM，多源导航，微型无人机
👦 个人主页：http://drone.sjtu.edu.cn/dpzou/index.php ，谷歌学术
📜 Co-SLAM：Zou D, Tan P. Coslam: Collaborative visual slam in dynamic environments[J]. IEEE transactions on pattern analysis and machine intelligence, 2012, 35(2): 354-366.（代码：https://github.com/danping/CoSLAM ）
📜 StructSLAM：Zhou H, Zou D, Pei L, et al. StructSLAM: Visual SLAM with building structure lines[J]. IEEE Transactions on Vehicular Technology, 2015, 64(4): 1364-1375.（项目主页：http://drone.sjtu.edu.cn/dpzou/project/structslam.php ）
📜 StructVIO：Zou D, Wu Y, Pei L, et al. StructVIO: visual-inertial odometry with structural regularity of man-made environments[J]. IEEE Transactions on Robotics, 2019, 35(4): 999-1013.

36. 布树辉教授（西北工业大学智能系统实验室）

研究方向：语义定位与建图、SLAM、在线学习与增量学习
👦 个人主页：http://www.adv-ci.com/blog/ 谷歌学术
布老师的课件：http://www.adv-ci.com/blog/course/
实验室 2018 年暑期培训资料：https://github.com/zdzhaoyong/SummerCamp2018
📜 开源的通用 SLAM 框架：Zhao Y, Xu S, Bu S, et al. GSLAM: A general SLAM framework and benchmark[C]//Proceedings of the IEEE International Conference on Computer Vision. 2019: 1110-1120.（代码：https://github.com/zdzhaoyong/GSLAM ）
📜 Bu S, Zhao Y, Wan G, et al. Map2DFusion: Real-time incremental UAV image mosaicing based on monocular slam[C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2016: 4564-4571.（代码：https://github.com/zdzhaoyong/Map2DFusion ）
📜 Wang W, Zhao Y, Han P, et al. TerrainFusion: Real-time Digital Surface Model Reconstruction based on Monocular SLAM[C]//2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019: 7895-7902.

+1 Cyrill Stachniss（德国波恩大学摄影测量与机器人实验室）

研究方向：概率机器人、SLAM、自主导航、视觉激光感知、场景分析与分配、无人飞行器
实验室主页：https://www.ipb.uni-bonn.de/
👦 个人主页：https://www.ipb.uni-bonn.de/people/cyrill-stachniss/ 谷歌学术
发表论文：https://www.ipb.uni-bonn.de/publications/
开源代码：https://github.com/PRBonn
📜 IROS 2019 激光语义 SLAM：Chen X, Milioto A, Palazzolo E, et al. SuMa++: Efficient LiDAR-based semantic SLAM[C]//2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019: 4530-4537.（代码：https://github.com/PRBonn/semantic_suma/ ）
Cyrill Stachniss 教授 SLAM 公开课：youtube ； bilibili
波恩大学另外一个智能自主系统实验室：http://www.ais.uni-bonn.de/research.html

+1 上海科技大学

Mobile Perception Lab：http://mpl.sist.shanghaitech.edu.cn/
👦 Laurent Kneip：个人主页；谷歌学术
📜 Zhou Y, Li H, Kneip L. Canny-vo: Visual odometry with rgb-d cameras based on geometric 3-d–2-d edge alignment[J]. IEEE Transactions on Robotics, 2018, 35(1): 184-199.
自主移动机器人实验室：https://robotics.shanghaitech.edu.cn/zh
👦 Sören Schwertfeger：个人主页；谷歌学术
📜 Shan Z, Li R, Schwertfeger S. RGBD-Inertial Trajectory Estimation and Mapping for Ground Robots[J]. Sensors, 2019, 19(10): 2251.（代码：https://github.com/STAR-Center/VINS-RGBD ）

+1 美国密歇根大学机器人研究所

学院官网：https://robotics.umich.edu/
研究方向：https://robotics.umich.edu/research/focus-areas/
感知机器人实验室（PeRL）
- 实验室主页：http://robots.engin.umich.edu/About/
- 👦 Ryan M. Eustice 谷歌学术
- 📜 激光雷达数据集 Pandey G, McBride J R, Eustice R M. Ford campus vision and lidar data set[J]. The International Journal of Robotics Research, 2011, 30(13): 1543-1552. | 数据集
APRIL robotics lab
- 实验室主页：https://april.eecs.umich.edu/
- 👦 Edwin Olson 个人主页 | 谷歌学术
- 📜 Olson E. AprilTag: A robust and flexible visual fiducial system[C]//2011 IEEE International Conference on Robotics and Automation. IEEE, 2011: 3400-3407. | 代码
- 📜 Wang X, Marcotte R, Ferrer G, et al. ApriISAM: Real-time smoothing and mapping[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 2486-2493. | 代码

+1 瑞士苏黎世联邦理工自主系统实验室

研究方向：复杂多样环境中自主运行的机器人和智能系统
实验室主页：https://asl.ethz.ch/
发表论文：https://asl.ethz.ch/publications-and-sources/publications.html
youtube | Github
👦 Cesar Cadena 个人主页
📜 Schneider T, Dymczyk M, Fehr M, et al. maplab: An open framework for research in visual-inertial mapping and localization[J]. IEEE Robotics and Automation Letters, 2018, 3(3): 1418-1425. | 代码
📜 Dubé R, Cramariuc A, Dugas D, et al. SegMap: 3d segment mapping using data-driven descriptors[J]. arXiv preprint arXiv:1804.09557, 2018. | 代码
📜 Millane A, Taylor Z, Oleynikova H, et al. C-blox: A scalable and consistent tsdf-based dense mapping approach[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 995-1002. | 代码

+1 美国麻省理工学院 Robust Robotics Group

研究方向：MAV 导航与控制；人机交互的自然语言理解；自主海洋机器人的语义理解
实验室主页：http://groups.csail.mit.edu/rrg/index.php
👦 Nicholas Roy：Google Scholar
📜 Greene W N, Ok K, Lommel P, et al. Multi-level mapping: Real-time dense monocular SLAM[C]//2016 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2016: 833-840. video
📜 ICRA 2020 Metrically-Scaled Monocular SLAM using Learned Scale Factors." International Conference on Robotics and Automation | video
📜 ICRA 2019 Robust Object-based SLAM for High-speed Autonomous Navigation

+1 瑞士苏黎世联邦理工 Vision for Robotics Lab

研究方向：机器人视觉，无人机，自主导航，多机器人协同
实验室主页：https://v4rl.ethz.ch/the-group.html
👦 Margarita Chli：个人主页 | Google Scholar
📜 Schmuck P, Chli M. CCM‐SLAM: Robust and efficient centralized collaborative monocular simultaneous localization and mapping for robotic teams[J]. Journal of Field Robotics, 2019, 36(4): 763-781. code | video
📜 Bartolomei L, Karrer M, Chli M. Multi-robot Coordination with Agent-Server Architecture for Autonomous Navigation in Partially Unknown Environments[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2020)(virtual). 2020. code | video
📜 Schmuck P, Chli M. Multi-uav collaborative monocular slam[C]//2017 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2017: 3863-3870.

+1 谢立华教授（南洋理工大学）

研究方向：控制，多智能体，定位
个人主页：https://personal.ntu.edu.sg/elhxie/research.html | Google Scholar
👦 Wang Han：个人主页 | Github
📜 Wang H, Wang C, Xie L. Intensity scan context: Coding intensity and geometry relations for loop closure detection[C]//2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020: 2095-2101. | Code
📜 Wang H, Wang C, Xie L. Lightweight 3-D Localization and Mapping for Solid-State LiDAR[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1801-1807. | Code
📜 Wang C, Yuan J, Xie L. Non-iterative SLAM[C]//2017 18th International Conference on Advanced Robotics (ICAR). IEEE, 2017: 83-90.

3. SLAM 学习资料

这一部分的内容不太完整，陆续丰富，欢迎补充

3.1 国内资料

1) SLAMcn：http://www.slamcn.org/index.php/
2) SLAM 最新研究更新 Recent_SLAM_Research ：https://github.com/YiChenCityU/Recent_SLAM_Research
3) 西北工大智能系统实验室 SLAM 培训：https://github.com/zdzhaoyong/SummerCamp2018
- 布树辉老师课件：http://www.adv-ci.com/blog/course/
4) IROS 2019 视觉惯导导航的挑战与应用研讨会：http://udel.edu/~ghuang/iros19-vins-workshop/index.html
5) 泡泡机器人 VIO 相关资料：https://github.com/PaoPaoRobot/Awesome-VIO
6) 崔华坤：主流 VIO 论文推导及代码解析：https://github.com/StevenCui/VIO-Doc
7) 李言：SLAM 中的几何与学习方法
8) 黄山老师状态估计视频：bilibili
9) 谭平老师-SLAM 6小时课程：bilibili
10) 2020 年 SLAM 技术及应用暑期学校：视频-bilibili | 课件

3.2 国外资料

1) 事件相机相关研究与发展：https://github.com/uzh-rpg/event-based_vision_resources
2) 加州大学圣地亚哥分校语境机器人研究所 Nikolay Atanasov 教授机器人状态估计与感知课程 ppt：https://natanaso.github.io/ece276a2019/schedule.html
3) 波恩大学 Mobile Sensing and Robotics Course 公开课：youtube ，bilibili

3.3 公众号

泡泡机器人 SLAM：paopaorobot_slam

3.4 代码注释

今天（2020.04.25）刚想到的一个点，就算前面整理了大量的开源工作，但是看原版的代码还是会有很大的困难，感谢国内 SLAM 爱好者的将自己的代码注释分享出来，促进交流，共同进步。这一小节的内容陆续发掘，期待大家的推荐代码注释（可以在 issue 中留言）。

3.5 数据集

4. 近期论文（持续更新）

2021 年 6 月论文更新（20 篇）

本期更新于 2021 年 7 月 5 日
共 20 篇论文，其中 7 项（待）开源工作
[4,9,13,14,16,17] LiDAR 相关
[1,2,6,7] Mapping

1. Geometric SLAM

[1] Bokovoy A, Muravyev K, Yakovlev K. MAOMaps: A Photo-Realistic Benchmark For vSLAM and Map Merging Quality Assessment[J]. arXiv preprint arXiv:2105.14994, 2021.
- 用于视觉 SLAM 和地图合并质量评估的逼真基准
- 俄罗斯科学院；开源数据集
[2] Demmel N, Sommer C, Cremers D, et al. Square Root Bundle Adjustment for Large-Scale Reconstruction[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 11723-11732.
- 大规模重建的平方根 BA
- TUM；代码开源
[3] Chen Y, Zhao L, Zhang Y, et al. Anchor Selection for SLAM Based on Graph Topology and Submodular Optimization[J]. IEEE Transactions on Robotics, 2021.
- 基于图拓扑和子模块优化的SLAM锚点选择
- 悉尼科技大学
[4] Zhou L, Koppel D, Kaess M. LiDAR SLAM with Plane Adjustment for Indoor Environment[J]. IEEE Robotics and Automation Letters, 2021.
- 室内环境中平面调整的 LiDAR SLAM
- Magic Leap，CMU
[5] Liu D, Parra A, Chin T J. Spatiotemporal Registration for Event-based Visual Odometry[J]. arXiv preprint arXiv:2103.05955, 2021.
- 基于事件的视觉里程计的时空配准
- 阿德莱德大学；开源数据集（待公开）

2. Semantic / Deep SLAM / Mapping

[6] Wimbauer F, Yang N, von Stumberg L, et al. MonoRec: Semi-supervised dense reconstruction in dynamic environments from a single moving camera[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 6112-6122.
- MonoRec: 动态环境中从单个移动相机中进行半监督稠密重建
- TUM；项目主页；代码开源
[7] Qin T, Zheng Y, Chen T, et al. RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving[J]. arXiv preprint arXiv:2106.02527, 2021.（ICRA2021）
- 一种用于自动驾驶视觉定位的轻量级语义地图
- 华为
[8] Tschopp F, Nieto J, Siegwart R Y, et al. Superquadric Object Representation for Optimization-based Semantic SLAM[J]. 2021.
- 基于优化的语义 SLAM 的超二次曲面的物体表示
- ETH；Microsoft
[9] Miller I D, Cowley A, Konkimalla R, et al. Any Way You Look at It: Semantic Crossview Localization and Mapping With LiDAR[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 2397-2404.
- 以任何方式看待它：使用 LiDAR 进行语义交叉视图的定位和建图
- 宾夕法尼亚大学；代码开源
[10] Lu Y, Xu X, Ding M, et al. A Global Occlusion-Aware Approach to Self-Supervised Monocular Visual Odometry[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2021, 35(3): 2260-2268.
- 自监督单目视觉里程计的全局遮挡感知方法
- 中国人民大学
[11] Li S, Liu S, Zhao Q, et al. Quantized Self-supervised Local Feature for Real-time Robot Indirect VSLAM[J]. IEEE/ASME Transactions on Mechatronics, 2021.
- 实时机器人间接 VSLAM 的量化自监督局部特征
- 上海交大；期刊：中科院二区，JCR Q1，IF 5.3

3. Sensor Fusion

[12] Seiskari O, Rantalankila P, Kannala J, et al. HybVIO: Pushing the Limits of Real-time Visual-inertial Odometry[J]. arXiv preprint arXiv:2106.11857, 2021.
- HybVIO: 突破实时视觉惯性里程计的极限
- Spectacular AI，阿尔托大学，坦佩雷大学
[13] Li L, Kong X, Zhao X, et al. SA-LOAM: Semantic-aided LiDAR SLAM with Loop Closure[J]. arXiv preprint arXiv:2106.11516, 2021. （ICRA2021）
- 具有闭环的语义辅助的 LiDAR SLAM
- 浙大
[14] Li K, Ouyang Z, Hu L, et al. Robust SRIF-based LiDAR-IMU Localization for Autonomous Vehicles[J]. 2021. （ICRA2021）
- 用于自动驾驶汽车的鲁棒的基于 SRIF 的 LiDAR-IMU 定位
- 上海科技大学
[15] Kumar H, Payne J J, Travers M, et al. Periodic SLAM: Using Cyclic Constraints to Improve the Performance of Visual-Inertial SLAM on Legged Robots[J].
- 周期性 SLAM：使用循环约束提高腿式机器人视觉惯性 SLAM 的性能
[16] Zhou P, Guo X, Pei X, et al. T-LOAM: Truncated Least Squares LiDAR-Only Odometry and Mapping in Real Time[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021.
- 截断最小二乘法的 LiDAR 实时里程计和建图
- 武汉理工
[17] Jia Y, Luo H, Zhao F, et al. Lvio-Fusion: A Self-adaptive Multi-sensor Fusion SLAM Framework Using Actor-critic Method[J]. arXiv preprint arXiv:2106.06783, 2021.
- Lvio-Fusion：使用Actor-critic方法的自适应多传感器融合SLAM框架
- 北邮，中科院计算机所；代码开源

4. Others

[18] Huang R, Fang C, Qiu K, et al. AR Mapping: Accurate and Efficient Mapping for Augmented Reality[J]. arXiv preprint arXiv:2103.14846, 2021.
- AR Mapping：用于增强现实的准确高效建图
- 阿里巴巴
[19] Kim A, Ošep A, Leal-Taixé L. EagerMOT: 3D Multi-Object Tracking via Sensor Fusion[J]. arXiv preprint arXiv:2104.14682, 2021. (ICRA2021)
- EagerMOT：通过传感器融合进行 3D 多目标跟踪
- TUM；代码开源
[20] Wang J, Zhong Y, Dai Y, et al. Deep Two-View Structure-from-Motion Revisited[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 8953-8962.
- 重新审视两视图 SFM
- 澳大利亚国立、西工大、NVIDIA

2021 年 5 月论文更新（20 篇）

本期更新于 2021 年 6 月 13 日
共 20 篇论文，其中 6 项（待）开源工作
[2] SLAM 中的隐私保护问题近年来受到关注
[4,5,6] 基于线的 SLAM/SFM

1. Geometric SLAM

[1] Geppert M, Larsson V, Speciale P, et al. Privacy Preserving Localization and Mapping from Uncalibrated Cameras[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 1809-1819.
- 未校准相机的隐私保护定位和建图
- ETH, Microsift
[2] Hermann M, Ruf B, Weinmann M. Real-time dense 3D Reconstruction from monocular video data captured by low-cost UAVs[J]. arXiv preprint arXiv:2104.10515, 2021.
- 低成本无人机捕获的单目视频数据实时实时稠密重建
- KIT
[3] Zhang J, Zhu C, Zheng L, et al. ROSEFusion: Random Optimization for Online Dense Reconstruction under Fast Camera Motion[J]. arXiv preprint arXiv:2105.05600, 2021. (SIGGRAPH 2021)
- 快速相机运动下在线稠密重建的随机优化
- 国防科大
[4] Xu B, Wang P, He Y, et al. Leveraging Structural Information to Improve Point Line Visual-Inertial Odometry[J]. arXiv preprint arXiv:2105.04064, 2021.
- 利用结构信息改进点线 VIO
- 武汉大学；东北大学；代码开源
[5] Liu Z, Shi D, Li R, et al. PLC-VIO: Visual-Inertial Odometry Based on Point-Line Constraints[J]. IEEE Transactions on Automation Science and Engineering, 2021.
- PLC-VIO：基于点线约束的 VIO
- 国防科大
[6] Mateus A, Tahri O, Aguiar A P, et al. On Incremental Structure from Motion Using Lines[J]. IEEE Transactions on Robotics, 2021.
- 使用线的增量式 SFM
- 里斯本大学
[7] Patel M, Bandopadhyay A, Ahmad A. Collaborative Mapping of Archaeological Sites using multiple UAVs[J]. arXiv preprint arXiv:2105.07644, 2021.
- 使用多无人机协同绘制考古遗址
- 印度理工学院；数据集&项目主页
[8] Chiu C Y, Sastry S S. Simultaneous Localization and Mapping: A Rapprochement of Filtering and Optimization-Based Approaches[J]. 2021.
- SLAM：滤波和优化方法的结合
- 加州大学伯克利分校硕士学位论文

2. Semantic / Deep SLAM / Mapping

[9] Karkus P, Cai S, Hsu D. Differentiable SLAM-net: Learning Particle SLAM for Visual Navigation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 2815-2825.
- 可微 SLAM 网络：用于视觉导航的学习型粒子 SLAM
- 新加坡国立大学；项目主页
[10] Ok K, Liu K, Roy N. Hierarchical Object Map Estimation for Efficient and Robust Navigation[C]//Proc. ICRA. 2021
- 用于高效鲁棒导航的层次化物体地图估计
- MIT
[11] Adu-Bredu A, Del Coro N, Liu T, et al. GODSAC: Graph Optimized DSAC for Robot Relocalization**[J]. arXiv preprint arXiv:2105.00546, 2021.
- 用于机器人重定位的图形优化 DSAC*
- 密歇根大学；代码开源
[12] Xu D, Vedaldi A, Henriques J F. Moving SLAM: Fully Unsupervised Deep Learning in Non-Rigid Scenes[J]. arXiv preprint arXiv:2105.02195, 2021.
- Moving SLAM：非刚性场景中的完全无监督深度学习
- 港科，牛津大学
[13] Ma J, Ye X, Zhou H, et al. Loop-Closure Detection Using Local Relative Orientation Matching[J]. IEEE Transactions on Intelligent Transportation Systems, 2021.
- 使用局部相对方向匹配的闭环检测
- 武汉大学
[14] Çatal O, Jansen W, Verbelen T, et al. LatentSLAM: unsupervised multi-sensor representation learning for localization and mapping[J]. arXiv preprint arXiv:2105.03265, 2021.
- LatentSLAM：用于定位和建图的无监督多传感器表示学习
- 根特大学，安特卫普大学；数据集

3. Sensor Fusion

[15] Zhao S, Zhang H, Wang P, et al. Super Odometry: IMU-centric LiDAR-Visual-Inertial Estimator for Challenging Environments[J]. arXiv preprint arXiv:2104.14938, 2021.
- 超级里程计：用于挑战性环境的以 IMU 为中心的 LiDAR-Visual-Inertial 状态估计器
- CMU
[16] Nguyen T M, Yuan S, Cao M, et al. VIRAL SLAM: Tightly Coupled Camera-IMU-UWB-Lidar SLAM[J]. arXiv preprint arXiv:2105.03296, 2021.
- VIRAL SLAM：紧耦合相机-IMU-UWB-Lidar SLAM
- 南洋理工大学
[17] Nguyen T M, Yuan S, Cao M, et al. MILIOM: Tightly Coupled Multi-Input Lidar-Inertia Odometry and Mapping[J]. IEEE Robotics and Automation Letters, 2021, 6(3): 5573-5580.
- MILIOM：紧耦合多源激光雷达-惯性里程计和建图
- 南洋理工大学

4. Others

[18] Sakaridis C, Dai D, Van Gool L. ACDC: The Adverse Conditions Dataset with Correspondences for Semantic Driving Scene Understanding[J]. arXiv preprint arXiv:2104.13395, 2021.
- ACDC: 用于语义驾驶场景理解的具有对应关系的不利条件数据集
- ETH；数据集和 benchmark
[19] Huang Z, Zhou H, Li Y, et al. VS-Net: Voting with Segmentation for Visual Localization[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 6101-6111.
- VS-Net：通过分割投票进行视觉定位
- 浙大，港中文；代码开源
[20] Kim A, Ošep A, Leal-Taixé L. EagerMOT: 3D Multi-Object Tracking via Sensor Fusion[J]. arXiv preprint arXiv:2104.14682, 2021. (ICRA2021)
- EagerMOT：通过传感器融合进行 3D 多目标跟踪
- TUM；代码开源

2021 年 4 月论文更新（20 篇）

本期更新于 2021 年 5 月 11 日
共 20 篇论文，其中 5 篇来自于 CVPR2021，7 项开源工作
[7, 8, 9] Event-based
[10] VDO-SLAM 作者博士学位论文
[3, 4, 5, 17] 线、平面
[14] NeuralRecon

1. Geometric SLAM

[1] Jang Y, Oh C, Lee Y, et al. Multirobot Collaborative Monocular SLAM Utilizing Rendezvous[J]. IEEE Transactions on Robotics, 2021.
- 利用集合点的多机器人协作单目 SLAM
- 首尔大学
[2] Luo H, Pape C, Reithmeier E. Hybrid Monocular SLAM Using Double Window Optimization[J]. IEEE Robotics and Automation Letters, 2021, 6(3): 4899-4906.
- 使用双窗口优化的混合单目 SLAM
- 汉诺威大学
[3] Yunus R, Li Y, Tombari F. ManhattanSLAM: Robust Planar Tracking and Mapping Leveraging Mixture of Manhattan Frames[J]. arXiv preprint arXiv:2103.15068, 2021.
- ManhattanSLAM：利用混合曼哈顿世界的鲁棒平面跟踪与建图
- TUM
[4] Wang Q, Yan Z, Wang J, et al. Line Flow Based Simultaneous Localization and Mapping[J]. IEEE Transactions on Robotics, 2021.
- 基于线流的 SLAM
- 北大（去年的 9 月的 Preprint）
[5] Vakhitov A, Ferraz L, Agudo A, et al. Uncertainty-Aware Camera Pose Estimation From Points and Lines[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 4659-4668.
- 基于点线不确定性感知的相机位姿估计
- SLAMCore；代码开源
[6] Liu D, Parra A, Chin T J. Spatiotemporal Registration for Event-based Visual Odometry[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 4937-4946.
- 基于事件的视觉里程计的时空配准
- 阿德莱德大学
[7] Min Z, Dunn E. Jiao J, Huang H, Li L, et al. Comparing Representations in Tracking for Event Camera-based SLAM[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 1369-1376.
- 比较基于事件相机 SLAM 在跟踪中的表示
- 港科，港大；代码开源
[8] Zhou Y, Gallego G, Shen S. Event-based stereo visual odometry[J]. IEEE Transactions on Robotics, 2021.
- 基于事件的双目视觉里程计
- 港科、柏林工业大学；代码开源,（去年的 8 月的 Preprint）
[9] Min Z, Dunn E. VOLDOR-SLAM: For the Times When Feature-Based or Direct Methods Are Not Good Enough[J]. arXiv preprint arXiv:2104.06800, 2021.
- VOLDOR-SLAM: 当基于特征或直接法不够好时
- 史蒂文斯理工学院；代码开源
[10] Ila V, Henein M, Li H. Meta Information In Graph-based Simultaneous Localisation And Mapping[J]. 2020
- 基于图的 SLAM 中的元信息
- 澳大利亚国立大学 Mina Henein 博士学位论文
- VDO-SLAM: A Visual Dynamic Object-aware SLAM System.
- Dynamic SLAM: The Need for Speed.

2. Semantic / Deep SLAM / Mapping

[11] Li S, Wu X, Cao Y, et al. Generalizing to the Open World: Deep Visual Odometry with Online Adaptation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 13184-13193.
- 推广到开放世界：具有在线适应功能的深度视觉里程计
- 北京大学
- Li S, Wang X, Cao Y, et al. Self-supervised deep visual odometry with online adaptation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020: 6339-6348.
[12] Qiu K, Chen S, Zhang J, et al. Compact 3D Map-Based Monocular Localization Using Semantic Edge Alignment[J]. arXiv preprint arXiv:2103.14826, 2021.
- 使用语义边缘对齐的基于 3D 紧凑地图的单目定位
- 阿里巴巴
[13] Cheng W, Yang S, Zhou M, et al. Road Mapping and Localization using Sparse Semantic Visual Features[J]. IEEE Robotics and Automation Letters, 2021.
- 使用稀疏语义视觉特征的道路建图和定位
- 阿里巴巴
[14] Sun J, Xie Y, Chen L, et al. NeuralRecon: Real-Time Coherent 3D Reconstruction from Monocular Video[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 15598-15607.
- NeuralRecon：从单目视频中进行实时连贯 3D 重建
- 浙大，商汤；代码开源

3. Sensor Fusion

[15] Shan T, Englot B, Ratti C, et al. LVI-SAM: Tightly-coupled Lidar-Visual-Inertial Odometry via Smoothing and Mapping[J]. arXiv preprint arXiv:2104.10831, 2021. (ICRA2021)
- LVI-SAM：通过平滑的紧耦合的激光雷达-视觉-惯性里程计和建图框架
- MIT；代码开源
[16] Zhang K, Yang T, Ding Z, et al. The Visual-Inertial-Dynamical UAV Dataset[J]. arXiv preprint arXiv:2103.11152, 2021.
- 视觉-惯性-动力 UAV 数据集
- 浙大；数据集
[17] Amblard V, Osedach T P, Croux A, et al. Lidar-Monocular Surface Reconstruction Using Line Segments[J]. arXiv preprint arXiv:2104.02761, 2021.
- 使用线段的 Lidar - 单目表面重建
- MIT
[18] Wei B, Trigoni N, Markham A. iMag+: An Accurate and Rapidly Deployable Inertial Magneto-Inductive SLAM System[J]. IEEE Transactions on Mobile Computing, 2021.
- iMag+: 一种准确且可快速部署的惯性磁感应 SLAM 系统
- 诺森比亚大学、牛津大学

4. Others

[19] Huang R, Fang C, Qiu K, et al. AR Mapping: Accurate and Efficient Mapping for Augmented Reality[J]. arXiv preprint arXiv:2103.14846, 2021.
- AR Mapping：用于增强现实的准确高效建图
- 阿里巴巴
[20] Wang J, Zhong Y, Dai Y, et al. Deep Two-View Structure-from-Motion Revisited[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 8953-8962.
- 重新审视两视图 DFM
- 澳大利亚国立、西工大、NVIDIA

2021 年 3 月论文更新（23 篇）

本期更新于 2021 年 4 月 15 日
共 23 篇论文，其中 9 项（待）开源工作
[3, 4, 5] 线、面 SLAM
[6, 7] 滤波方法
[10] DynaSLAM 作者博士学位论文
[9, 12, 13, 17, 23] LiDAR

1. Geometric SLAM

[1] Liu P, Zuo X, Larsson V, et al. MBA-VO: Motion Blur Aware Visual Odometry[J]. arXiv preprint arXiv:2103.13684, 2021.
- MBA-VO: 运动模糊感知的视觉里程计
- ETH，Microsoft
[2] Chen H, Hu W, Yang K, et al. Panoramic annular SLAM with loop closure and global optimization[J]. arXiv preprint arXiv:2102.13400, 2021.
- 具有闭环和全局优化的全景环形 SLAM
- 浙大、KIT
[3] Wang X, Christie M, Marchand E. TT-SLAM: Dense Monocular SLAM for Planar Environments[C]//IEEE International Conference on Robotics and Automation, ICRA'21. 2021.
- TT-SLAM: 面向平面环境的单目稠密 SLAM
- 法国雷恩大学
[4] Lim H, Kim Y, Jung K, et al. Avoiding Degeneracy for Monocular Visual SLAM with Point and Line Features[J]. arXiv preprint arXiv:2103.01501, 2021. (ICRA2021)
- 使用点线特征避免单目视觉 SLAM 退化
- 韩国科学技术院
[5] Lu J, Fang Z, Gao Y, et al. Line-based visual odometry using local gradient fitting[J]. Journal of Visual Communication and Image Representation, 2021, 77: 103071.
- 使用局部梯度拟合的基于线的视觉里程计
- 上海工程技术大学
[6] Wang J, Meng Z, Wang L. A UPF-PS SLAM Algorithm for Indoor Mobile Robot with Non-Gaussian Detection Model[J]. IEEE/ASME Transactions on Mechatronics, 2021.
- 具有非高斯检测模型的室内移动机器人 UPF-PS SLAM 算法
- 清华大学
[7] Gao L, Battistelli G, Chisci L. PHD-SLAM 2.0: Efficient SLAM in the Presence of Missdetections and Clutter[J]. IEEE Transactions on Robotics, 2021.
- PHD-SLAM 2.0：漏检和杂波污染情况下的高效 SLAM
- 电子科大，佛罗伦萨大学；代码开源
[8] Labbé M, Michaud F. Multi-session visual SLAM for illumination invariant localization in indoor environments[J]. arXiv preprint arXiv:2103.03827, 2021.
- 用于室内环境光照不变定位的多会话视觉 SLAM
- 谢布鲁克大学
[9] Yokozuka M, Koide K, Oishi S, et al. LiTAMIN2: Ultra Light LiDAR-based SLAM using Geometric Approximation applied with KL-Divergence[J]. arXiv preprint arXiv:2103.00784, 2021. (ICRA2021)
- 使用几何近似和 KL 散度的超轻型基于 LiDAR 的 SLAM
- 日本先进工业科学技术研究所

2. Semantic/Deep SLAM

[10] Visual SLAM in dynamic environments. 2020
- 动态环境中视觉 SLAM
- 萨拉戈萨大学 Berta Bescos 博士学位论文，Github
- DynaSLAM: Tracking, Mapping, and Inpainting in Dynamic Scenes. 2018
- DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM. 2020
- Empty Cities: a Dynamic-Object-Invariant Space for Visual SLAM. 2021
[11] Zhan H, Weerasekera C S, Bian J W, et al. DF-VO: What Should Be Learnt for Visual Odometry?[J]. arXiv preprint arXiv:2103.00933, 2021.
- DF-VO: 视觉里程计应该学习什么？
- 阿德莱德大学；代码开源
- 先关工作：Zhan H, Weerasekera C S, Bian J W, et al. Visual odometry revisited: What should be learnt?[C]//2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020: 4203-4210.
[12] Westfechtel T, Ohno K, Akegawa T, et al. Semantic Mapping of Construction Site From Multiple Daily Airborne LiDAR Data[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 3073-3080.
- 来自多个日常机载激光雷达数据的施工现场语义建图
- 东京大学
[13] Habich T L, Stuede M, Labbé M, et al. Have I been here before? Learning to Close the Loop with LiDAR Data in Graph-Based SLAM[J]. arXiv preprint arXiv:2103.06713, 2021.
- 在图 SLAM 中学习使用 LiDAR 数据的闭环
- 汉诺威大学
[14] Jayasuriya M, Arukgoda J, Ranasinghe R, et al. UV-Loc: A Visual Localisation Strategy for Urban Environments[J]. 2021
- 城市环境中视觉定位策略
- 悉尼科技大学
- pole-like landmarks and ground surface boundaries
[15] Sarlin P E, Unagar A, Larsson M, et al. Back to the Feature: Learning Robust Camera Localization from Pixels to Pose[J]. arXiv preprint arXiv:2103.09213, 2021. （CVPR2021）
- 回归到特征：从像素中学习鲁棒的相机定位
- ETH；代码开源
[16] Zhang J, Sui W, Wang X, et al. Deep Online Correction for Monocular Visual Odometry[J]. arXiv preprint arXiv:2103.10029, 2021. (ICRA2021)
- 单目视觉里程计深度在线校正
- 地平线，华中科大

3. Sensor Fusion

[17] Lin J, Zheng C, Xu W, et al. R2LIVE: A Robust, Real-time, LiDAR-Inertial-Visual tightly-coupled state Estimator and mapping[J]. arXiv preprint arXiv:2102.12400, 2021.
- R2LIVE：一种鲁棒的的、实时的、LiDAR-惯导-视觉紧耦合的状态估计和建图方法
- 香港大学；代码开源
[18] Cao S, Lu X, Shen S. GVINS: Tightly Coupled GNSS-Visual-Inertial for Smooth and Consistent State Estimation[J]. arXiv e-prints, 2021: arXiv: 2103.07899.
- GVINS: 用于平滑和一致性状态估计的紧耦合 GNSS-视觉-惯性系统
- 港科；代码开源
[19] Zhu P, Geneva P, Ren W, et al. Distributed Visual-Inertial Cooperative Localization[J]. arXiv preprint arXiv:2103.12770, 2021.
- 分布式视觉-惯性协同定位
- 加利福尼亚大学、特拉华大学；video
[20] Peng X, Liu Z, Wang Q, et al. Accurate Visual-Inertial SLAM by Feature Re-identification[J]. arXiv preprint arXiv:2102.13438, 2021.
- 基于特征重识别的视觉惯性 SLAM
- 三星
[21] Reinke A, Chen X, Stachniss C. Simple But Effective Redundant Odometry for Autonomous Vehicles[J]. arXiv preprint arXiv:2105.11783, 2021. (ICRA2021)
- 用于自动驾驶的简易且有效的冗余里程计
- 波恩大学；代码开源（待公开）
[22] Ram K, Kharyal C, Harithas S S, et al. RP-VIO: Robust Plane-based Visual-Inertial Odometry for Dynamic Environments[J]. arXiv preprint arXiv:2103.10400, 2021.
- RP-VIO: 动态环境中鲁棒的基于平面的 VIO
- 印度理工学院海得拉巴机器人研究中心；代码开源（基于 VINS）
[23] Kramer A, Harlow K, Williams C, et al. ColoRadar: The Direct 3D Millimeter Wave Radar Dataset[J]. arXiv preprint arXiv:2103.04510, 2021.
- 直接 3D 毫米波雷达数据集
- 科罗拉多大学博尔德分校；开源数据集

2021 年 2 月论文更新（21 篇）

本期更新于 2021 年 3 月 20 日
共 21 篇论文，其中 8 项开源工作
[3][4] VIO 数据集
[9][10] 杆状特征

1. Geometric SLAM

[1] Ferrera M, Eudes A, Moras J, et al. OV $^{2} $ SLAM: A Fully Online and Versatile Visual SLAM for Real-Time Applications[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1399-1406.
- 适用于实时应用的完全在线、多功能 SLAM
- IFREMER；代码开源
[2] Gladkova M, Wang R, Zeller N, et al. Tight-Integration of Feature-Based Relocalization in Monocular Direct Visual Odometry[J]. arXiv preprint arXiv:2102.01191, 2021.
- 单目直接法视觉里程计中基于特征重定位的紧耦合
- TUM
[3] Zhang H, Jin L, Ye C. The VCU-RVI Benchmark: Evaluating Visual Inertial Odometry for Indoor Navigation Applications with an RGB-D Camera[C]//2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 6209-6214.
- VCU-RVI Benchmark：用于评估 RGB-D 室内导航应用的 VIO
- 弗吉尼亚联邦大学；数据集地址
[4] Minoda K, Schilling F, Wüest V, et al. VIODE: A Simulated Dataset to Address the Challenges of Visual-Inertial Odometry in Dynamic Environments[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1343-1350.
- VIODE：用于解决 VIO 在动态环境中挑战的仿真数据集
- 东京大学，洛桑联邦理工；数据集地址
[5] Younes G. A Unified Hybrid Formulation for Visual SLAM[D]. , 2021.
- 一种视觉 SLAM 统一混合的架构
- 滑铁卢大学大学，博士学位论文，Google Scholar
[6] Shakeri M, Loo S Y, Zhang H, et al. Polarimetric Monocular Dense Mapping Using Relative Deep Depth Prior[J]. IEEE Robotics and Automation Letters, 2021, 6(3): 4512-4519.
- 利用相对深度先验的偏振相机单目密集建图
- 阿尔伯塔大学
[7] Wang H, Wang C, Xie L. Intensity-SLAM: Intensity Assisted Localization and Mapping for Large Scale Environment[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1715-1721.
- 大规模环境中强度特征辅助的 LiDAR 定位与建图
- NTU, CMU
[8] Doan A, Latif Y, Chin T, et al. HM⁴: hidden Markov model with memory management for visual place recognition[J]. IEEE Robotics and Automation Letters, vol. 6, no. 1, pp. 167-174, Jan. 2021.
- 用于视觉位置识别的具有内存管理功能的隐马尔可夫模型
- 阿德莱德大学
[9] Li L, Yang M, Weng L, et al. Robust Localization for Intelligent Vehicles Based on Pole-Like Features Using the Point Cloud[J]. IEEE Transactions on Automation Science and Engineering, 2021.
- 基于杆状点云特征的智能车鲁棒定位
- 上海交大；期刊：中科院一区，JCR Q1，IF 4.9
[10] Tschopp F, von Einem C, Cramariuc A, et al. Hough $^ 2$ Map–Iterative Event-Based Hough Transform for High-Speed Railway Mapping[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 2745-2752.
- 用于高速铁路建图的基于事件相机的迭代式霍夫变换
- ETH；代码开源；Video
[11] Ma X, Liang X. Point-line-based RGB-D SLAM and Bundle Adjustment Uncertainty Analysis[J]. arXiv preprint arXiv:2102.07110, 2021.
- 基于点线的 RGB-D SLAM 和 BA 的不确定性分析
- 上交

2. Semantic/Deep SLAM

[12] Rosinol A, Violette A, Abate M, et al. Kimera: from slam to spatial perception with 3d dynamic scene graphs[J]. arXiv preprint arXiv:2101.06894, 2021.
- Kimera: 从 SLAM 到具有 3D 动态场景图的空间感知
- MIT；项目主页
[13] Liu Y, Liu J, Hao Y, et al. A Switching-Coupled Backend for Simultaneous Localization and Dynamic Object Tracking[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1296-1303.
- 一种同时用于定位与动态物体跟踪的可切换松耦合后端
- 清华大学
[14] Feng Q, Atanasov N. Mesh Reconstruction from Aerial Images for Outdoor Terrain Mapping Using Joint 2D-3D Learning[J]. arXiv preprint arXiv:2101.01844, 2021.
- 使用 2D-3D 联合学习从航空图像进行室外地形建图的 Mesh 重建
- UCSD Nikolay Atanasov
[15] Wong Y S, Li C, Nießner M, et al. RigidFusion: RGB-D Scene Reconstruction with Rigidly-moving Objects[J]. Eurographics, 2021.
- RigidFusion: 移动刚体运动场景的 RGB-D 重建
- UCL, TUM；补充材料
[16] Sun S, Melamed D, Kitani K. IDOL: Inertial Deep Orientation-Estimation and Localization[J]. arXiv preprint arXiv:2102.04024, 2021.(AAAI 2021)
- 基于学习的惯性传感器方向与位置估计
- CMU；代码与数据集
[17] Qin C, Zhang Y, Liu Y, et al. Semantic loop closure detection based on graph matching in multi-objects scenes[J]. Journal of Visual Communication and Image Representation, 2021, 76: 103072.
- 基于图匹配的多目标场景闭环检测
- 东北大学

3. Sensor Fusion

[18] Wang H, Wang C, Xie L. Lightweight 3-D Localization and Mapping for Solid-State LiDAR[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 1801-1807.
- 固态 LiDAR 轻量化 3D 定位与建图
- 南洋理工大学；代码开源
[19] Jiang Z, Taira H, Miyashita N, et al. VIO-Aided Structure from Motion Under Challenging Environments[J]. arXiv preprint arXiv:2101.09657, 2021. (ICIT2021)
- 在具有挑战场景下 VIO 辅助的 SFM
- 东京工业大学

4. Others

[20] Liu Y, Yixuan Y, Liu M. Ground-aware Monocular 3D Object Detection for Autonomous Driving[J]. IEEE Robotics and Automation Letters, 2021, 6(2): 919-926.
- 用于自动驾驶的地面感知单目 3D 目标检测
- 港科；代码开源
[21] Singh G, Akrigg S, Di Maio M, et al. Road: The road event awareness dataset for autonomous driving[J]. arXiv preprint arXiv:2102.11585, 2021.
- 自动驾驶场景的道路事件感知数据集
- ETH；代码开源
- 道路事件由智能体、智能体所执行的动作和智能体所处的环境组成。

2021 年 1 月论文更新（20 篇）

本期更新于 2021 年 2 月 13 日
共 20 篇论文，其中 2 项开源工作
[1] 长期定位
[10] Building Fusion [11] Mesh Reconstruction

1. Geometric SLAM

[1] Rotsidis A, Lutteroth C, Hall P, et al. ExMaps: Long-Term Localization in Dynamic Scenes using Exponential Decay[C]//Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2021: 2867-2876.
- 使用指数衰减在动态场景中的长期定位
- 巴斯大学
[2] Wen T, Xiao Z, Wijaya B, et al. High Precision Vehicle Localization based on Tightly-coupled Visual Odometry and Vector HD Map[C]//2020 IEEE Intelligent Vehicles Symposium (IV). IEEE, 672-679.
- 基于视觉里程计和矢量高清地图紧耦合的高精度车辆定位
- 清华大学
[3] Lee S J, Kim D, Hwang S S, et al. Local to Global: Efficient Visual Localization for a Monocular Camera[C]//Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2021: 2231-2240.
- Local to Global：单目相机高效视觉定位
- 人工特征用于实时里程计，基于学习的特征用于定位，地图对齐
[4] Jung K Y, Kim Y E, Lim H J, et al. ALVIO: Adaptive Line and Point Feature-based Visual Inertial Odometry for Robust Localization in Indoor Environments[J]. arXiv preprint arXiv:2012.15008, 2020.
- 基于自适应点线特征的视觉惯性里程计在室内环境中的鲁棒定位
- 韩国高等科学技术学院
[5] Yang A J, Cui C, Bârsan I A, et al. Asynchronous Multi-View SLAM[J]. arXiv preprint arXiv:2101.06562, 2021.
- 异步多视点 SLAM
- 多伦多大学
[6] Lyu Y, Nguyen T M, Liu L, et al. SPINS: Structure Priors aided Inertial Navigation System[J]. arXiv preprint arXiv:2012.14053, 2020.
- 结构先验辅助的惯性导航系统
- 南洋理工
[7] Pan Y, Xu X, Ding X, et al. GEM: online globally consistent dense elevation mapping for unstructured terrain[J]. IEEE Transactions on Instrumentation and Measurement, 2020.
- 非结构化地形的在线全局一致稠密高程图
- 浙大；期刊：中科院三区，ICR Q1，IF 3.6
[8] Tian R, Zhang Y, Zhu D, et al. Accurate and Robust Scale Recovery for Monocular Visual Odometry Based on Plane Geometry[J]. arXiv preprint arXiv:2101.05995, 2021.
- 基于平面几何单目视觉里程计的准确鲁棒尺度恢复
- 东北大学，香港中文大学
[9] Fang B, Mei G, Yuan X, et al. Visual SLAM for robot navigation in healthcare facility[J]. Pattern Recognition, 2021: 107822.
- 用于医疗机构机器人导航的视觉 SLAM
- 合肥工业大学；期刊：中科院二区，ICR Q1，IF 7.2

2. Semantic/Deep SLAM

[10] Zheng T, Zhang G, Han L, et al. Building Fusion: Semantic-aware Structural Building-scale 3D Reconstruction[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2020.
- Building Fusion：语义感知结构化建筑规模的三维重建
- 清华-伯克利深圳学院，清华大学
[11] Feng Q, Atanasov N. Mesh Reconstruction from Aerial Images for Outdoor Terrain Mapping Using Joint 2D-3D Learning[J]. arXiv preprint arXiv:2101.01844, 2021.
- 使用 2D-3D 联合学习从空中图像进行室外地形的网格重建
- 加州大学圣地亚哥分校 Nikolay A. Atanasov
[12] Ma T, Wang Y, Wang Z, et al. ASD-SLAM: A Novel Adaptive-Scale Descriptor Learning for Visual SLAM[C]//2020 IEEE Intelligent Vehicles Symposium (IV). IEEE, 809-816.
- 一种新的视觉 SLAM 自适应尺度描述符学习方法
- 上交；代码开源
[13] Li B, Hu M, Wang S, et al. Self-supervised Visual-LiDAR Odometry with Flip Consistency[C]//Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2021: 3844-3852.
- 具有翻转一致性的自监督视觉-雷达里程计
- 浙大
[14] Akilan T, Johnson E, Sandhu J, et al. A Hybrid Learner for Simultaneous Localization and Mapping[J]. arXiv preprint arXiv:2101.01158, 2021.
- 用于 SLAM 的混合学习器
- Lakehead University

3. Sensor Fusion

[15] Cowley A, Miller I D, Taylor C J. UPSLAM: Union of Panoramas SLAM[J]. arXiv preprint arXiv:2101.00585, 2021.
- UPSLAM: 全景 SLAM
- 宾夕法尼亚大学
[16] Jiang Z, Taira H, Miyashita N, et al. VIO-Aided Structure from Motion Under Challenging Environments[J]. arXiv preprint arXiv:2101.09657, 2021.
- 挑战场景下 VIO 辅助的 SFM
- 东京工业大学
[17] Zhai C, Wang M, Yang Y, et al. Robust Vision-Aided Inertial Navigation System for Protection Against Ego-Motion Uncertainty of Unmanned Ground Vehicle[J]. IEEE Transactions on Industrial Electronics, 2020.
- 鲁棒的视觉辅助惯性导航系统，避免地面无人车的自我运动估计不确定性
- 北理工；期刊：中科院一区 JCR Q1，IF 7.5
[18] Palieri M, Morrell B, Thakur A, et al. LOCUS: A Multi-Sensor Lidar-Centric Solution for High-Precision Odometry and 3D Mapping in Real-Time[J]. IEEE Robotics and Automation Letters, 2020, 6(2): 421-428.
- 用于高精度里程计和建图的以雷达为中心的多传感器框架
- 加州理工

4. Others

[19] Chiu H, Li J, Ambrus R, et al. Probabilistic 3D Multi-Modal, Multi-Object Tracking for Autonomous Driving[J]. arXiv preprint arXiv:2012.13755, 2020.
- 自动驾驶场景的 3D 多模态、多目标跟踪
- 斯坦福大学
[20] Deng J, Shi S, Li P, et al. Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection[J]. arXiv preprint arXiv:2012.15712, 2020.（AAAI 2021）
- Voxel R-CNN：面向基于高性能体素的 3D 目标检测
- 中科大，港中文；代码开源

2020 年 12 月论文更新（18 篇）

本期更新于 2021 年 1 月 02 日
共 18 篇论文，其中 6 项（待）开源工作
9 CodeVIO, 10 CamVox

1. Geometric SLAM

[1] Mascaro R, Wermelinger M, Hutter M, et al. Towards automating construction tasks: Large‐scale object mapping, segmentation, and manipulation[J]. Journal of Field Robotics, 2020.
- 【挖掘机抓石头】实现自动化的施工任务：大型物体建图，分割和操纵
- ETH，期刊：中科院二区，JCR Q1
[2] Yang X, Yuan Z, Zhu D, et al. Robust and Efficient RGB-D SLAM in Dynamic Environments[J]. IEEE Transactions on Multimedia, 2020.
- 动态环境中鲁棒高效 RGB-D SLAM
- 华中科大，期刊：中科院二区，JCR Q1，IF 5.5
[3] Yazdanpour M, Fan G, Sheng W. ManhattanFusion: Online Dense Reconstruction of Indoor Scenes from Depth Sequences[J]. IEEE Transactions on Visualization and Computer Graphics, 2020.
- ManhattanFusion：从深度序列中对室内场景进行在线稠密重建
- 北肯塔基大学，期刊：中科院二区，JCR Q1，IF 4.3
[4] Fourie D, Rypkema N R, Teixeira P V, et al. Towards Real-Time Non-Gaussian SLAM for Underdetermined Navigation[J]. IROS 2020
- 面向实时非高斯 SLAM 的欠定导航
- MIT

2. Semantic/Deep SLAM

[5] Garg S, Sünderhauf N, Dayoub F, et al. Semantics for Robotic Mapping, Perception and Interaction: A Survey[J]. arXiv preprint arXiv:2101.00443, 2020.
- 用于机器人建图、感知和交互的语义
- 昆士兰科技大学，阿德莱德大学、澳大利亚机器人中心，962 篇论文综述
[6] Nubert J, Khattak S, Hutter M. Self-supervised Learning of LiDAR Odometry for Robotic Applications[J]. arXiv preprint arXiv:2011.05418, 2020.
- 用于机器人应用的基于自监督学习的 LiDAR 里程计
- ETH，代码开源
[7] Thomas H, Agro B, Gridseth M, et al. Self-Supervised Learning of Lidar Segmentation for Autonomous Indoor Navigation[J]. arXiv preprint arXiv:2012.05897, 2020.
- 自主室内导航 LIDAR 分割的自监督学习
- 多伦多大学，Apple
[8] Huynh L, Nguyen P, Matas J, et al. Boosting Monocular Depth Estimation with Lightweight 3D Point Fusion[J]. arXiv preprint arXiv:2012.10296, 2020.
- 轻量级 3D 点融合（立体匹配/SLAM）提高单眼深度估计
- 奥卢大学

3. Sensor Fusion

[9] Zuo X, Merrill N, Li W, et al. CodeVIO: Visual-Inertial Odometry with Learned Optimizable Dense Depth[J]. arXiv preprint arXiv:2012.10133, 2020.
- CodeVIO: 具有学习可优化稠密深度的 VIO
- ETH，浙大，ICRA2021 投稿论文，video
[10] ZHU, Yuewen, et al. CamVox: A Low-cost and Accurate Lidar-assisted Visual SLAM System. arXiv preprint arXiv:2011.11357, 2020.
- 低成本、精确的Lidar辅助视觉 SLAM 系统
- 南方科技大学，代码开源，ICRA2021 投稿论文
[11] Gong Z, Liu P, Wen F, et al. Graph-Based Adaptive Fusion of GNSS and VIO Under Intermittent GNSS-Degraded Environment[J]. IEEE Transactions on Instrumentation and Measurement, 2020, 70: 1-16.
- 间歇性 GNSS 退化环境下的基于图的自适应 GNSS-VIO 融合
- 上海交大
[12] Wu Y, Li Y, Li W, et al. Robust Lidar-Based Localization Scheme for Unmanned Ground Vehicle via Multisensor Fusion[J]. IEEE Transactions on Neural Networks and Learning Systems, 2020.
- 基于激光雷达的多传感器融合无人地面车辆鲁棒定位方法
- 广东工业大学，期刊：中科院一区，JCR Q1, IF 8.8
[13] Zhu P, Ren W. Multi-Robot Joint Visual-Inertial Localization and 3-D Moving Object Tracking[J]. IROS 2020
- 多机器人联合视觉惯性定位和 3D 运动目标跟踪
- 加州大学河滨分校

4. Others

[14] Xu M, Snderhauf N, Milford M. Probabilistic Visual Place Recognition for Hierarchical Localization[J]. IEEE Robotics and Automation Letters, 2020, 6(2): 311-318.
- 用于分层定位的概率视觉场景识别
- 昆士兰科技大学，代码开源
[15] Li D, Miao J, Shi X, et al. RaP-Net: A Region-wise and Point-wise Weighting Network to Extract Robust Keypoints for Indoor Localization[J]. arXiv preprint arXiv:2012.00234, 2020.
- RaP-Net: 区域和点加权网络用于室内定位的鲁棒关键点提取
- 清华、北交大、北航、Intel，代码开源
[16] Bui M, Birdal T, Deng H, et al. 6D Camera Relocalization in Ambiguous Scenes via Continuous Multimodal Inference[J]. arXiv preprint arXiv:2004.04807, 2020.(ECCV 2020)
- 通过连续多峰推理在模糊场景中进行 6D 相机重定位
- 斯坦福，TUM，项目主页，代码开源
[17] ALVES, Nelson, et al. Low-latency Perception in Off-Road Dynamical Low Visibility Environments. arXiv preprint arXiv:2012.13014, 2020.
- 低能见度、越野环境下的低延迟感知
- 数据集，代码
[18] Chen C, Al-Halah Z, Grauman K. Semantic Audio-Visual Navigation[J]. arXiv preprint arXiv:2012.11583, 2020.
- 语义视-听导航
- UT Austin, Facebook，项目主页

2020 年 11 月论文更新（20 篇）

本期更新于 2020 年 12 月 07 日
共 20 篇论文，其中 6 项（待）开源工作
其中近一半来自于 IROS 2020 的录用论文和 ICRA 2021 的投稿论文

1. Geometric SLAM

[1] Kim C, Kim J, Kim H J. Edge-based Visual Odometry with Stereo Cameras using Multiple Oriented Quadtrees[J]. IROS 2020
- 使用多个定向四叉树的基于边的双目视觉里程计
- 首尔国立大学
[2] Jaenal A, Zuniga-Noël D, Gomez-Ojeda R, et al. Improving Visual SLAM in Car-Navigated Urban Environments with Appearance Maps[J]. IROS 2020
- 通过外观地图改善城市环境汽车导航的视觉 SLAM
- 马拉加大学；video
[3] Chen L, Zhao Y, Xu S, et al. DenseFusion: Large-Scale Online Dense Pointcloud and DSM Mapping for UAVs[J]. IROS 2020
- DenseFusion：无人机的大规模在线密集点云和 DSM 建图
- 西工大，自动化所
- 前期工作：Wang W, Zhao Y, Han P, et al. TerrainFusion: Real-time Digital Surface Model Reconstruction based on Monocular SLAM[C]//2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019: 7895-7902.
[4] Arndt C, Sabzevari R, Civera J. From Points to Planes-Adding Planar Constraints to Monocular SLAM Factor Graphs[J]. IROS 2020
- From Points to Planes：在单目 SLAM 因子图中添加平面约束
- 西班牙萨拉戈萨大学
[5] Giubilato R, Le Gentil C, Vayugundla M, et al. GPGM-SLAM: Towards a Robust SLAM System for Unstructured Planetary Environments with Gaussian Process Gradient Maps[C]//IROS Workshop on Planetary Exploration Robots: Challenges and Opportunities (PLANROBO20). ETH Zurich, Department of Mechanical and Process Engineering, 2020.
- GPGM-SLAM：具有高斯过程梯度图的非结构化行星环境的鲁棒 SLAM 系统
- DLR，TUM

2. Semantic/Deep SLAM

[6] Chang Y, Tian Y, How J P, et al. Kimera-Multi: a System for Distributed Multi-Robot Metric-Semantic Simultaneous Localization and Mapping[J]. arXiv preprint arXiv:2011.04087, 2020.
- Kimera-Multi: 分布式多机器人度量语义 SLAM 系统
- MIT
[7] Sharma A, Dong W, Kaess M. Compositional Scalable Object SLAM[J]. arXiv preprint arXiv:2011.02658, 2020.
- 合成可拓展的物体级 SLAM
- CMU；ICRA2021 投稿论文；待开源
[8] Wang W, Hu Y, Scherer S. TartanVO: A Generalizable Learning-based VO[J]. arXiv preprint arXiv:2011.00359, 2020.
- TartanVO：一种通用的基于学习的 VO
- CMU，代码开源
[9] Wimbauer F, Yang N, von Stumberg L, et al. MonoRec: Semi-Supervised Dense Reconstruction in Dynamic Environments from a Single Moving Camera[J]. arXiv preprint arXiv:2011.11814, 2020.
- 动态环境中单个移动相机的半监督稠密重构
- TUM；项目主页
- 相关研究：
  - CVPR 2020 D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry
  - ECCV 2018 Deep Virtual Stereo Odometry: Leveraging Deep Depth Prediction for Monocular Direct Sparse Odometry
[10] Almalioglu Y, Santamaria-Navarro A, Morrell B, et al. Unsupervised Deep Persistent Monocular Visual Odometry and Depth Estimation in Extreme Environments[J]. arXiv preprint arXiv:2011.00341, 2020.
- 极端环境下的无监督持久性的单目视觉里程计和深度估计
- 牛津大学，NASA；ICRA2021 投稿论文
[11] Zou Y, Ji P, Tran Q H, et al. Learning monocular visual odometry via self-supervised long-term modeling[J]. arXiv preprint arXiv:2007.10983, 2020. (ECCV 2020)
- 通过自监督长期建模学习单目视觉里程计
- 弗吉尼亚理工大学；项目主页+video
[12] Nubert J, Khattak S, Hutter M. Self-supervised Learning of LiDAR Odometry for Robotic Applications[J]. arXiv preprint arXiv:2011.05418, 2020.
- 应用于机器人的自监督学习 LiDAR 里程计
- ETH；代码开源
[13] Chancán M, Milford M. DeepSeqSLAM: A Trainable CNN+ RNN for Joint Global Description and Sequence-based Place Recognition[J]. arXiv preprint arXiv:2011.08518, 2020.
- 用于联合全局描述和基于序列的位置识别的可训练的CNN + RNN
- 昆士兰科技大学；代码开源，项目主页

3. Sensor Fusion

[14] Zhao S, Wang P, Zhang H, et al. TP-TIO: A Robust Thermal-Inertial Odometry with Deep ThermalPoint[J]. arXiv preprint arXiv:2012.03455, IROS 2020.
- TP-TIO: 一种使用深度 ThermalPoint 网络的红外视觉-惯性里程计
- CMU，东北大学，video
[15] Jaekel J, Mangelson J G, Scherer S, et al. A Robust Multi-Stereo Visual-Inertial Odometry Pipeline[J]. IROS 2020.
- 一种鲁棒的多立体视觉惯性里程计框架
- CMU
[16] Huang H, Ye H, Jiao J, et al. Geometric Structure Aided Visual Inertial Localization[J]. arXiv preprint arXiv:2011.04173, 2020.
- 几何结构辅助的视觉惯性定位
- 港科，ICRA 2021 投稿论文
[17] Ding Z, Yang T, Zhang K, et al. VID-Fusion: Robust Visual-Inertial-Dynamics Odometry for Accurate External Force Estimation[J]. arXiv preprint arXiv:2011.03993, 2020.
- VID-Fusion: 用于准确外力估计的露露帮视觉惯性里程计
- 浙大 FAST Lab
[18] Li K, Li M, Hanebeck U D. Towards high-performance solid-state-lidar-inertial odometry and mapping[J]. arXiv preprint arXiv:2010.13150, 2020.
- 高性能固态雷达惯性里程计与建图
- 卡尔斯鲁厄理工学院；代码开源

4. Others

[19] Milano F, Loquercio A, Rosinol A, et al. Primal-Dual Mesh Convolutional Neural Networks[J]. Advances in Neural Information Processing Systems, 2020, 33.
- 原始对偶网格卷积神经网络
- ETH；代码开源
[20] Li H, Gordon A, Zhao H, et al. Unsupervised Monocular Depth Learning in Dynamic Scenes[J]. arXiv preprint arXiv:2010.16404, 2020. (CoRL 2020)
- 动态环境中无监督单目深度学习
- Google；代码开源

2020 年 10 月论文更新（22 篇）

本期更新于 2020 年 11 月 09 日
共 22 篇论文，其中 7 项（待）开源工作
9,10,11：SLAM 中动态物体跟踪，动态物体级 SLAM 今年很火
3,7,8,14,18：线段相关

1. Geometric SLAM

[1] Bhutta M, Kuse M, Fan R, et al. Loop-box: Multi-Agent Direct SLAM Triggered by Single Loop Closure for Large-Scale Mapping[J]. arXiv preprint arXiv:2009.13851, 2020. IEEE Transactions on Cybernetics, 2020
- 用于大规模建图的由单闭环触发的多智能体直接 SLAM
- 香港科技大学；项目主页；video
- 期刊：中科院一区，JCR Q1，IF 11.079
[2] Zhou B, He Y, Qian K, et al. S4-SLAM: A real-time 3D LIDAR SLAM system for ground/watersurface multi-scene outdoor applications[J]. Autonomous Robots, 2020: 1-22.
- S4-SLAM：用于地面/水面多场景户外应用的实时 3D LIDAR SLAM 系统
- 东南大学；期刊：中科院三区，JCR Q1，IF 3.6
[3] Li Y, Yunus R, Brasch N, et al. RGB-D SLAM with Structural Regularities[J]. arXiv preprint arXiv:2010.07997, 2020.
- 具有结构规律的 RGB-D SLAM
- TUM
[4] Rodríguez J J G, Lamarca J, Morlana J, et al. SD-DefSLAM: Semi-Direct Monocular SLAM for Deformable and Intracorporeal Scenes[J]. arXiv preprint arXiv:2010.09409, 2020.
- SD-DefSLAM：适用于可变形和体内场景的半直接法单目 SLAM
- 萨拉戈萨大学；ICRA 2021 投稿论文；Video
[5] Millane A, Oleynikova H, Lanegger C, et al. Freetures: Localization in Signed Distance Function Maps[J]. arXiv preprint arXiv:2010.09378, 2020.
- Freetures：在 SDF 地图中进行定位
- ETH；代码开源（待开源）；Video
[6] Long R, Rauch C, Zhang T, et al. RigidFusion: Robot Localisation and Mapping in Environments with Large Dynamic Rigid Objects[J]. arXiv preprint arXiv:2010.10841, 2020.
- RigidFusion: 在具有动态刚体物体的大型场景中进行机器人定位与建图
- 爱丁堡大学机器人中心
[8] Han J, Dong R, Kan J. A novel loop closure detection method with the combination of points and lines based on information entropy[J]. Journal of Field Robotics. 2020
- 一种新的基于信息熵的点线闭环检测方法
- 北京林业大学；期刊：中科院二区，JCR Q1，IF 3.58

2. Semantic/Deep SLAM

[9] Bescos B, Campos C, Tardós J D, et al. DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM[J]. arXiv preprint arXiv:2010.07820, 2020.
- DynaSLAM II: 多目标跟踪与 SLAM 紧耦合
- 萨拉戈萨大学；一作是 DynaSLAM 的作者，二作是 ORB-SLAM3 的作者
[10] Bescos B, Cadena C, Neira J. Empty Cities: a Dynamic-Object-Invariant Space for Visual SLAM[J]. arXiv preprint arXiv:2010.07646, 2020.
- 视觉 SLAM 动态的物体不变空间
- 萨拉戈萨大学、ETH；代码开源
- 个人主页，相关论文：
  - ICRA 2018 Empty Cities: Image Inpainting for a Dynamic-Object-Invariant Space
[11] Ballester I, Fontan A, Civera J, et al. DOT: Dynamic Object Tracking for Visual SLAM[J]. arXiv preprint arXiv:2010.00052, 2020.
- 视觉 SLAM 的动态物体跟踪
- 萨拉戈萨大学
[12] Wu S C, Tateno K, Navab N, et al. SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion[J]. arXiv preprint arXiv:2010.13662, 2020.
- SCFusion：具有完整语义的实时增量场景重建
- TUM
[13] Mallick A, Stückler J, Lensch H. Learning to Adapt Multi-View Stereo by Self-Supervision[J]. arXiv preprint arXiv:2009.13278, 2020.
- 通过自监督学习的自适应多视图立体匹配
- 图宾根大学，马普所 Jörg Stückler，BMVC 2020
- 基于 ECCV 2018 MVSNet: Depth Inference for Unstructured Multi-view Stereo，代码

3. Sensor Fusion

[14] Li X, Li Y, Ornek E P, et al. Co-Planar Parametrization for Stereo-SLAM and Visual-Inertial Odometry[J]. IEEE Robotics and Automation Letters, 2020.
- 双目 SLAM 和 VIO 的共面参数化
- 北京大学，代码开源（暂未放出）
[15] Liu Z, Zhang F. BALM: Bundle Adjustment for Lidar Mapping[J]. arXiv preprint arXiv:2010.08215, 2020.
- BALM：激光雷达建图中的 BA 优化
- 香港大学，代码开源
[16] Nguyen T M, Yuan S, Cao M, et al. VIRAL-Fusion: A Visual-Inertial-Ranging-Lidar Sensor Fusion Approach[J]. arXiv preprint arXiv:2010.12274, 2020.
- VIRAL-Fusion: 视觉-惯性-测距-激光雷达传感器融合方法
- 南洋理工
[17] Liu J, Gao W, Hu Z. Optimization-Based Visual-Inertial SLAM Tightly Coupled with Raw GNSS Measurements[J]. arXiv preprint arXiv:2010.11675, 2020.
- 基于优化的视觉惯性 SLAM 与原始 GNSS 测量紧耦合
- 中科院自动化所；ICRA 2021 投稿论文

4. Others

[18] Taubner F, Tschopp F, Novkovic T, et al. LCD--Line Clustering and Description for Place Recognition[J]. arXiv preprint arXiv:2010.10867, 2020. (3DV 2020)
- LCD: 用于位置识别的线段聚类和描述
- ETH；代码开源
[19] Triebel R. 3D Scene Reconstruction from a Single Viewport. ECCV 2020
- 单视角进行三维场景重建
- TUM；代码开源
[20] Hidalgo-Carrió J, Gehrig D, Scaramuzza D. Learning Monocular Dense Depth from Events[J]. arXiv preprint arXiv:2010.08350, 2020.(3DV 2020)
- 从事件中学习单目稠密深度
- 苏黎世大学；代码开源；项目主页
[21] Yang B. Learning to reconstruct and segment 3D objects[J]. arXiv preprint arXiv:2010.09582, 2020.
- 学习重建和分割 3D 物体
- 牛津大学 BoYang 博士学位论文
[22] von Stumberg L, Wenzel P, Yang N, et al. LM-Reloc: Levenberg-Marquardt Based Direct Visual Relocalization[J]. arXiv preprint arXiv:2010.06323, 2020.
- LM-Reloc：基于Levenberg-Marquardt 的直接视觉重定位
- TUM
- 相关论文：von Stumberg L, Wenzel P, Khan Q, et al. Gn-net: The gauss-newton loss for multi-weather relocalization[J]. IEEE Robotics and Automation Letters, 2020, 5(2): 890-897.

2020 年 9 月论文更新（20 篇）

本期更新于 2020 年 9 月 28 日
共 20 篇论文，其中 6 项（待）开源工作
4-5：机器人自主探索
8-11：多路标 SLAM
13: Jan Czarnowski 博士学位论文
17-20：增强现实相关的几项很好玩的工作

1. Geometric SLAM

[1] FZhao Y, Smith J S, Vela P A. Good graph to optimize: Cost-effective, budget-aware bundle adjustment in visual SLAM[J]. arXiv preprint arXiv:2008.10123, 2020.
- Good Graph to Optimize: 视觉 SLAM 中具有成本效益、可感知预算的 BA
- 佐治亚理工学院 Yipu Zhao
- 作者有很多 Good 系列的文章
  - IROS 2018 Good feature selection for least squares pose optimization in VO/VSLAM
  - ECCV 2018 Good line cutting: Towards accurate pose tracking of line-assisted VO/VSLAM
  - T-RO 2020 Good Feature Matching: Towards Accurate, Robust VO/VSLAM with Low Latency
[2] Fu Q, Yu H, Wang X, et al. FastORB-SLAM: a Fast ORB-SLAM Method with Coarse-to-Fine Descriptor Independent Keypoint Matching[J]. arXiv preprint arXiv:2008.09870, 2020.
- FastORB-SLAM: 一种 Coarse-to-Fine 描述符独立关键点匹配的快速 ORB-SLAM 方法
- 湖南大学
[3] Wenzel P, Wang R, Yang N, et al. 4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous Driving[J]. arXiv preprint arXiv:2009.06364, 2020.
- 4Seasons：自动驾驶中多天气SLAM的跨季节数据集
- 慕尼黑工业大学 Nan Yang
- 数据集网页：http://www.4seasons-dataset.com/
[4] Duong T, Yip M, Atanasov N. Autonomous Navigation in Unknown Environments with Sparse Bayesian Kernel-based Occupancy Mapping[J]. arXiv preprint arXiv:2009.07207, 2020.
- 基于稀疏贝叶斯核占有地图的未知环境自主导航
- UCSD Nikolay A. Atanasov
- 项目主页 | 代码开源
[5] Bartolomei L, Karrer M, Chli M. Multi-robot Coordination with Agent-Server Architecture for Autonomous Navigation in Partially Unknown Environments[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2020)(virtual). 2020.
- 在部分未知环境中实现自主导航的多机器人协同代理服务器架构
- ETH | 代码开源 | video
[6] Kern A, Bobbe M, Khedar Y, et al. OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles[J]. arXiv preprint arXiv:2009.10492, 2020.
- OpenREALM：无人机实时建图框架
- 代码开源 | video
[7] Du Z J, Huang S S, Mu T J, et al. Accurate RGB-D SLAM in Dynamic Environment using Observationally Consistent Conditional Random Fields. 2020
- 动态环境中使用观察一致 CRF 的精确 RGB-D SLAM
- 清华大学
[8] Holynski A, Geraghty D, Frahm J M, et al. Reducing Drift in Structure from Motion using Extended Features[J]. arXiv preprint arXiv:2008.12295, 2020.
- 使用拓展特征减小 SFM 中的漂移
- 华盛顿大学，Facebook
[9] Fu Q, Wang J, Yu H, et al. PL-VINS: Real-Time Monocular Visual-Inertial SLAM with Point and Line[J]. arXiv preprint arXiv:2009.07462, 2020.
- PL-VINS: 实时点线单目视觉惯性 SLAM
- 湖南大学 | 代码开源
[10] Company-Corcoles J P, Garcia-Fidalgo E, Ortiz A. LiPo-LCD: Combining Lines and Points for Appearance-based Loop Closure Detection[J]. arXiv preprint arXiv:2009.09897, 2020.(BMVC 2020)
- 几何点线的基于外观的闭环检测
- 巴利阿里群岛大学
[11] Wang Q, Yan Z, Wang J, et al. Line Flow based SLAM[J]. arXiv preprint arXiv:2009.09972, 2020.
- 基于 SLAM 的线流
- 北大
[12] Badias A, Alfaro I, Gonzalez D, et al. MORPH-DSLAM: Model Order Reduction for PHysics-based Deformable SLAM[J]. arXiv preprint arXiv:2009.00576, 2020.
- 基于物理可变形 SLAM 降低模型阶数
- 萨拉戈萨大学

2. Semantic/Deep SLAM

[13] Czarnowski J. Learned representations for real-time monocular SLAM[J]. 2020.
- 实时单目 SLAM 的学习表示
- 帝国理工学院 Jan Czarnowski 博士学位论文 | 导师 Andrew Davison
- 代表作
[14] Li J, Pei L, Zou D, et al. Attention-SLAM: A Visual Monocular SLAM Learning from Human Gaze[J]. arXiv preprint arXiv:2009.06886, 2020.
- Attention-SLAM：从人类视线中学习的单目视觉 SLAM
- 上海交通大学
[15] Cremona J, Uzal L, Pire T. WGANVO: Monocular Visual Odometry based on Generative Adversarial Networks[J]. arXiv preprint arXiv:2007.13704, 2020.
- WGANVO: 基于生成对抗网络的单目视觉里程计
- 阿根廷 CIFASIS | 代码开源 | video
[16] Labbé Y, Carpentier J, Aubry M, et al. CosyPose: Consistent multi-view multi-object 6D pose estimation[J]. arXiv preprint arXiv:2008.08465, 2020.（ECCV 2020）
- CosyPose：一致的多视图多物体 6D 位姿估计
- Object SLAM @ 物体位姿估计

3. AR/VR/MR

[17] Yang X, Zhou L, Jiang H, et al. Mobile3DRecon: Real-time Monocular 3D Reconstruction on a Mobile Phone[J]. IEEE Annals of the History of Computing, 2020 (01): 1-1.
- Mobile3DRecon手机上的实时单目重建
- 商汤、浙大
[18] Ungureanu D, Bogo F, Galliani S, et al. HoloLens 2 Research Mode as a Tool for Computer Vision Research[J]. arXiv preprint arXiv:2008.11239, 2020.
- HoloLens 2 研究模式作为计算机视觉研究的工具
- 三星 AI 中心，微软
[19] Mori S, Erat O, Broll W, et al. InpaintFusion: Incremental RGB-D Inpainting for 3D Scenes[J]. IEEE Transactions on Visualization and Computer Graphics, 2020, 26(10): 2994-3007.
- InpaintFusion：3D场景的增量RGB-D修复
- 格拉茨工业大学期刊：中科院二区,JCR Q1, IF 4.558
[20] AAR: Augmenting a Wearable Augmented Reality Display with an Actuated Head-Mounted Projector. 2020
- 使用可驱动的头戴式投影仪增强可穿戴的增强现实显示
- 滑铁卢大学
- 在 AR 眼镜上再装个投影仪。。。。会玩

2020 年 8 月论文更新（30 篇）

本期更新于 2020 年 8 月 27 日
共 30 篇论文，其中 11 项（待）开源工作
这个月公开的论文比较多，且有意思、高质量的工作也不少，多来自于 IROS、RAL(大部分也同步发表于 IROS)，比如融合视觉、惯导、LiDAR 的 LIC-Fusion 2.0 和融合物体语义的视惯里程计 OrcVIO，其他：
4-6、15：多机/多地图
8-13：结构化/室内 SLAM

1. Geometric SLAM

[1] Geppert M, Larsson V, Speciale P, et al. Privacy Preserving Structure-from-Motion[J]. 2020.
- 具有隐私保护的 SFM
- 苏黎世联邦理工
- 相关论文：
  - CVPR 2019 Privacy Preserving Image-Based Localization
  - ECCV 2020 Privacy Preserving Visual SLAM
[2] Zhang Z, Scaramuzza D. Fisher Information Field: an Efficient and Differentiable Map for Perception-aware Planning[J]. arXiv preprint arXiv:2008.03324, 2020.
- Fisher 信息场：一种用于感知规划的高效且可微分的地图
- 苏黎世大学张子潮 | 代码开源
- 相关工作：ICRA 2019 Beyond Point Clouds: Fisher Information Field for Active Visual Localization
[3] Zhou Y, Gallego G, Shen S. Event-based Stereo Visual Odometry[J]. arXiv preprint arXiv:2007.15548, 2020.
- 基于事件相机的双目视觉里程计
- 港科沈邵劼组 | 代码开源（暂未公开）| video
[4] Yue Y, Zhao C, Wu Z, et al. Collaborative Semantic Understanding and Mapping Framework for Autonomous Systems[J]. IEEE/ASME Transactions on Mechatronics, 2020.
- 自治系统协作式语义理解和建图框架
- 南洋理工大学 | 期刊：中科院二区，JCR Q1，IF 5.6
[5] Do H, Hong S, Kim J. Robust Loop Closure Method for Multi-Robot Map Fusion by Integration of Consistency and Data Similarity[J]. IEEE Robotics and Automation Letters, 2020, 5(4): 5701-5708.
- 融合一致性和数据相似性的多机器人地图融合的闭环方法
- 韩国启明大学 | Google Scholar
[6] Zhan Z, Jian W, Li Y, et al. A SLAM Map Restoration Algorithm Based on Submaps and an Undirected Connected Graph[J]. arXiv preprint arXiv:2007.14592, 2020.
- 基于子图和无向连通图的 SLAM 地图恢复算法
- 武汉大学
[7] Chen H, Zhang G, Ye Y. Semantic Loop Closure Detection with Instance-Level Inconsistency Removal in Dynamic Industrial Scenes[J]. IEEE Transactions on Industrial Informatics, 2020.
- 动态工业场景中具有实例级不一致消除功能的语义闭环检测
- 厦门大学 | 期刊：中科院一区，JCR Q1，IF 9.1
[8] Li Y, Brasch N, Wang Y, et al. Structure-SLAM: Low-Drift Monocular SLAM in Indoor Environments[J]. IEEE Robotics and Automation Letters, 2020, 5(4): 6583-6590.
- Structure-SLAM：室内环境中的低漂移单目 SLAM
- TUM | 代码开源
[9] Liu J, Meng Z. Visual SLAM with Drift-Free Rotation Estimation in Manhattan World[J]. IEEE Robotics and Automation Letters, 2020.
- 亚特兰大世界的全局最优和有效消失点估计
- 港中文刘云辉教授组 Haoang Li
[10] Hou J, Yu L, Fei S. A highly robust automatic 3D reconstruction system based on integrated optimization by point line features[J]. Engineering Applications of Artificial Intelligence, 2020, 95: 103879.
- 基于点线联合优化的自动三维重建
- 苏州大学、东南大学 | 期刊：中科院二区，JCR Q1，IF 4.2
[11] Li H, Kim P, Zhao J, et al. Globally Optimal and Efficient Vanishing Point Estimation in Atlanta World[J]. 2020.
- 曼哈顿世界中无漂移旋转估计的视觉 SLAM
- 港中文，西蒙弗雷泽大学
[12] Wang X, Christie M, Marchand E. Relative Pose Estimation and Planar Reconstruction via Superpixel-Driven Multiple Homographies[C]//IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, IROS'20. 2020.
- 通过超像素驱动的多个单应性的相对姿势估计和平面重建
- 雷恩大学
[13] Zuñiga-Noël D, Jaenal A, Gomez-Ojeda R, et al. The UMA-VI dataset: Visual–inertial odometry in low-textured and dynamic illumination environments[J]. The International Journal of Robotics Research, 2020: 0278364920938439.
- UMA-VI 数据集：在低纹理和动态照明环境中的视觉惯性里程计
- 马拉加大学 | PL-SLAM 的作者 | 期刊：中科院二区，JCR Q1，IF 4.0 | 数据集地址

2. Sensor Fusion

[14] Zuo X, Yang Y, Geneva P, et al. LIC-Fusion 2.0: LiDAR-Inertial-Camera Odometry with Sliding-Window Plane-Feature Tracking[J]. arXiv preprint arXiv:2008.07196, 2020.
- LIC-Fusion 2.0：滑动窗口平面特征跟踪的 LiDAR-惯性-视觉里程计
- 浙大、ETH Google Scholar
- 相关论文：LIC-Fusion: LiDAR-Inertial-Camera Odometry
[15] Alliez P, Bonardi F, Bouchafa S, et al. Real-Time Multi-SLAM System for Agent Localization and 3D Mapping in Dynamic Scenarios[C]//International Confererence on Intelligent Robots and Systems (IROS 2020). 2020.
- 实时 Multi-SLAM 系统，用于动态场景中智能体定位和 3D 建图
- 法国国家信息与自动化研究所
[16] Shao X, Zhang L, Zhang T, et al. A Tightly-coupled Semantic SLAM System with Visual, Inertial and Surround-view Sensors for Autonomous Indoor Parking[J].2020.
- 具有视觉、惯性和全景传感器的紧密耦合语义 SLAM 系统，用于自主室内停车
- 同济大学
[17] Shan M, Feng Q, Atanasov N. OrcVIO: Object residual constrained Visual-Inertial Odometry[J]. arXiv preprint arXiv:2007.15107, 2020.(IROS 2020)
- 物体残差约束的 VIO
- 加州大学圣地亚哥分校 | Nikolay A. Atanasov | Mo Shan
[18] Seok H, Lim J. ROVINS: Robust Omnidirectional Visual Inertial Navigation System[J]. IEEE Robotics and Automation Letters, 2020.
- 鲁棒的全方位视觉惯性导航系统
- 韩国汉阳大学
[19] Liu W, Caruso D, Ilg E, et al. TLIO: Tight Learned Inertial Odometry[J]. IEEE Robotics and Automation Letters, 2020, 5(4): 5653-5660.
- 基于学习的紧耦合的惯性里程计
- 宾夕法尼亚大学 | 代码开源 | 项目主页
[20] Sartipi K, Do T, Ke T, et al. Deep Depth Estimation from Visual-Inertial SLAM[J]. arXiv preprint arXiv:2008.00092, 2020.
- 视觉惯性 SLAM 深度估计
- 明尼苏达大学 | 代码开源

3. Semantic/Deep SLAM

[21] Gomez C, Hernandez A C, Derner E, et al. Object-Based Pose Graph for Dynamic Indoor Environments[J]. IEEE Robotics and Automation Letters, 2020, 5(4): 5401-5408.
- 动态室内环境中基于物体的位姿图
- 马德里卡洛斯三世大学 | Google Scholar（有很多基于物体的机器人导航的工作）
[22] Wang H, Wang C, Xie L. Online Visual Place Recognition via Saliency Re-identification[J]. arXiv preprint arXiv:2007.14549, 2020.（IROS 2020）
- 通过显著性重识别进行视觉场景重识别
- CMU | 代码开源
[23] Jau Y Y, Zhu R, Su H, et al. Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints[J]. arXiv preprint arXiv:2007.15122, 2020.（IROS 2020）
- 具有几何约束的基于深度关键点的相机姿势估计
- 加州大学圣地亚哥分校 | 代码开源
[24] Gong X, Liu Y, Wu Q, et al. An Accurate, Robust Visual Odometry and Detail-preserving Reconstruction System[J]. 2020.
- 准确、鲁棒的视觉里程计和保留细节的重建系统
- 南京航空航天大学 | 代码开源（暂未公开）
[25] Wei P, Hua G, Huang W, et al. Unsupervised Monocular Visual-inertial Odometry Network[J].IJCAI 2020
- 无监督单目视惯里程计网络
- 北大 | 代码开源（暂未公开）
[26] Li D, Shi X, Long Q, et al. DXSLAM: A Robust and Efficient Visual SLAM System with Deep Features[J]. arXiv preprint arXiv:2008.05416, 2020.（IROS 2020）
- 基于深度信息的鲁棒高效视觉 SLAM 系统
- 清华大学 | 代码开源

4. AR/VR/MR

[27] Tahara T, Seno T, Narita G, et al. Retargetable AR: Context-aware Augmented Reality in Indoor Scenes based on 3D Scene Graph[J]. arXiv preprint arXiv:2008.07817, 2020.
- 可重定位的 AR：基于室内 3D 场景图中的情景感知增强现实
- 索尼
[28] Li X, Tian Y, Zhang F, et al. Object Detection in the Context of Mobile Augmented Reality[J]. arXiv preprint arXiv:2008.06655, 2020.（ISMAR 2020）
- 移动增强现实环境下的目标检测
- oppo
[29] Liu C, Shen S. An Augmented Reality Interaction Interface for Autonomous Drone[J]. arXiv preprint arXiv:2008.02234, 2020.（IROS 2020）
- 自主无人机增强现实交互界面
- 港科沈邵劼组
[30] Du R, Turner E L, Dzitsiuk M, et al. DepthLab: Real-time 3D Interaction with Depth Maps for Mobile Augmented Reality[J]. 2020.
- 使用深度地图实时 3D 交互的移动增强现实
- Google

2020 年 7 月论文更新（20 篇）

本期更新于 2020 年 7 月 27 日
共 20 篇论文，其中 8 项（待）开源工作
本月月初 ECCV，IROS 放榜，不少新论文出现
2 隐私保护的视觉 SLAM，11 秦通大佬的 AVP-SLAM
月底 ORB-SLAM3 又制造了大新闻，谷歌学术都没来得及收录，国内公众号都出解析了

1. Geometric SLAM

[1] Carlos Campos, Richard Elvira, et al.ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM[J]. arXiv preprint arXiv:2007.11898, 2020.
- ORB-SLAM3: 集视觉、视惯、多地图 SLAM 于一体
- 西班牙萨拉戈萨大学 | 代码开源 | Video
[2] Shibuya M, Sumikura S, Sakurada K. Privacy Preserving Visual SLAM[J]. arXiv preprint arXiv:2007.10361, 2020.(ECCV 2020)
- 保护隐私的视觉 SLAM
- 日本国立先进工业科学技术研究院；东京工业大学
- 作者 Shinya Sumikura 谷歌学术，OpenVSLAM 的作者 | 项目主页 | Video
- 相关论文：CVPR 2019 Privacy preserving image-based localization
[3] Tompkins A, Senanayake R, Ramos F. Online Domain Adaptation for Occupancy Mapping[J]. arXiv preprint arXiv:2007.00164, 2020.（RSS 2020）
- 在线区域调整以进行占有地图构建
- 悉尼大学 | 代码开源 | Video
[4] Li Y, Zhang T, Nakamura Y, et al. SplitFusion: Simultaneous Tracking and Mapping for Non-Rigid Scenes[J]. arXiv preprint arXiv:2007.02108, 2020.(IROS 2020)
- SplitFusion：非刚性场景的 SLAM
- 东京大学
[5] WeiChen Dai, Yu Zhang, Ping Li, and Zheng Fang, Sebastian Scherer. RGB-D SLAM in Dynamic Environments Using Points Correlations. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2020.
- 动态环境中使用点关联的 RGB-D SLAM
- 浙江大学；期刊：PAMI 中科院一区，JCR Q1，IF 17.86
[6] Huang H, Ye H, Sun Y, et al. GMMLoc: Structure Consistent Visual Localization with Gaussian Mixture Models[J]. IEEE Robotics and Automation Letters, 2020.
- 高斯混合模型的结构一致视觉定位
- 香港科技大学 | 代码开源

2. Sensor Fusion

[7] Zuo X, Ye W, Yang Y, et al. Multimodal localization: Stereo over LiDAR map[J]. Journal of Field Robotics, 2020.
- 多模式定位：在 LiDAR 先验地图中使用双目相机定位
- 浙江大学、特拉华大学 | 作者谷歌学术 | 期刊：中科院二区，JCR Q2，IF 4.19
[8] Shan T, Englot B, Meyers D, et al. LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping[J]. arXiv preprint arXiv:2007.00258, 2020.（IROS 2020）
- 平滑紧耦合的激光雷达里程计和建图
- MIT | 代码开源 | Video
[9] Rozenberszki D, Majdik A. LOL: Lidar-Only Odometry and Localization in 3D Point Cloud Maps[J]. arXiv preprint arXiv:2007.01595, 2020.（ICRA 2020）
- 3D 点云地图中仅激光雷达的里程计和定位
- 匈牙利科学院机器感知实验室 | 代码开源 | Video
[10] You R, Hou H. Real-Time Pose Estimation by Fusing Visual and Inertial Sensors for Autonomous Driving[J]. 2020.
- 通过融合视觉和惯性传感器进行自动驾驶的实时位姿估计
- 瑞典查尔默斯理工大学硕士学位论文 | 代码开源

3. Semantic/Deep SLAM

[11] Qin T, Chen T, Chen Y, et al. AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot[J]. arXiv preprint arXiv:2007.01813, 2020.(IROS 2020)
- AVP-SLAM：停车场中自动驾驶车辆的语义 SLAM
- 华为秦通 | 知乎文章
[12] Gomez C, Silva A C H, Derner E, et al. Object-Based Pose Graph for Dynamic Indoor Environments[J]. IEEE Robotics and Automation Letters, 2020.
- 动态室内环境中基于物体的位姿图
- 西班牙马德里卡洛斯三世大学
[13] Costante G, Mancini M. Uncertainty Estimation for Data-Driven Visual Odometry[J]. IEEE Transactions on Robotics, 2020.
- 数据驱动的视觉测程的不确定度估计
- 意大利佩鲁贾大学 | 代码开源（还未放出） | 期刊：中科院二区，JCR Q1，IF 7.0
[14] Min Z, Yang Y, Dunn E. VOLDOR: Visual Odometry From Log-Logistic Dense Optical Flow Residuals[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. CVPR 2020: 4898-4909.
- 对数逻辑密集光流残差的视觉里程计
- 史蒂文斯技术学院 | 代码开源（还未放出）
[15] Zou Y, Ji P, Tran Q H, et al. Learning Monocular Visual Odometry via Self-Supervised Long-Term Modeling[J]. arXiv preprint arXiv:2007.10983, 2020.（ECCV 2020）
- 自监督长期建模学习单目视觉里程计
- 弗吉尼亚理工大学 | 项目主页 | 代码 Coming soon
[16] Wei P, Hua G, Huang W, et al. Unsupervised Monocular Visual-inertial Odometry Network[J].2020
- 无监督单目视惯里程计
- 北京大学 | 代码开源（还未放出）

4. AR/VR/MR

[17] Chen Y, Zhang B, Zhou J, et al. Real-time 3D unstructured environment reconstruction utilizing VR and Kinect-based immersive teleoperation for agricultural field robots[J]. Computers and Electronics in Agriculture, 2020, 175: 105579.
- 利用 VR 和基于 Kinect 的沉浸式远程操作技术对农业机器人进行实时 3D 非结构化环境重构
- 南京农业大学 | 期刊：中科院二区，JCR Q1，IF 4.0
[18] Choi J, Son M G, Lee Y Y, et al. Position-based augmented reality platform for aiding construction and inspection of offshore plants[J]. The Visual Computer, 2020: 1-11.
- 基于位置的增强现实平台，用于辅助海上工厂的建设和检查
- 韩国光州科学技术院 | 期刊：中科院四区，JCR Q3

5. Others

[19] Brazil G, Pons-Moll G, Liu X, et al. Kinematic 3D Object Detection in Monocular Video[J]. arXiv preprint arXiv:2007.09548, 2020.(ECCV 2020)
- 单目视频中运动 3D 目标检测
- 密歇根州立大学 | 实验室主页 | 项目主页（论文中说会开源）
[20] Yu Z, Jin L, Gao S. P2Net: Patch-match and Plane-regularization for Unsupervised Indoor Depth Estimation[J]. arXiv preprint arXiv:2007.07696, 2020.（ECCV 2020）
- 无监督室内深度估计的块匹配和平面正则化
- 上海科技大学 | 代码开源

2020 年 6 月论文更新（20 篇）

本期更新于 2020 年 6 月 27 日
共 20 篇论文，其中 3 项开源工作
4,5,6,12,13 线、边、平面、物体多路标 SLAM
2,3 多机器人 SLAM
7,16 拓扑相关
11：深度学习用于定位和建图的调研

1. Geometric SLAM

[1] Zhang T, Zhang H, Li Y, et al. FlowFusion: Dynamic Dense RGB-D SLAM Based on Optical Flow[C]. ICRA 2020.
- FlowFusion：基于光流的动态稠密 RGB-D SLAM
- 东京大学；作者谷歌学术
[2] Lajoie P Y, Ramtoula B, Chang Y, et al. DOOR-SLAM: Distributed, online, and outlier resilient SLAM for robotic teams[J]. IEEE Robotics and Automation Letters, 2020, 5(2): 1656-1663.
- 适用于多机器人的分布式，在线和异常灵活的 SLAM
- 加拿大蒙特利尔理工学院；代码开源
[3] Chakraborty K, Deegan M, Kulkarni P, et al. JORB-SLAM: A Jointly optimized Multi-Robot Visual SLAM[J].
- 多机器人 SLAM 联合优化
- 密歇根大学机器人研究所
[4] Zhang H, Ye C. Plane-Aided Visual-Inertial Odometry for 6-DOF Pose Estimation of a Robotic Navigation Aid[J]. IEEE Access, 2020, 8: 90042-90051.
- 用于机器人导航 6 自由度位姿估计的平面辅助 VIO
- 弗吉尼亚联邦大学；开源期刊；谷歌学术
[5] Ali A J B, Hashemifar Z S, Dantu K. Edge-SLAM: edge-assisted visual simultaneous localization and mapping[C]//Proceedings of the 18th International Conference on Mobile Systems, Applications, and Services. 2020: 325-337.
- Edge-SLAM: 边辅助的视觉 SLAM
- 布法罗大学
[6] Mateus A, Ramalingam S, Miraldo P. Minimal Solvers for 3D Scan Alignment With Pairs of Intersecting Lines[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020: 7234-7244.
- 成对的相交线 3D 扫描对齐的最少求解器
- 葡萄牙里斯本大学，谷歌
[7] Xue W, Ying R, Gong Z, et al. SLAM Based Topological Mapping and Navigation[C]//2020 IEEE/ION Position, Location and Navigation Symposium (PLANS). IEEE, 2020: 1336-1341.
- 基于 SLAM 的拓扑建图与导航
- 上交

2. Sensor Fusion

[8] Lee W, Eckenhoff K, Geneva P, et al. Intermittent GPS-aided VIO: Online Initialization and Calibration[J].2020
- 间歇性 GPS 辅助 VIO：在线初始化和校准
- 特拉华大学，黄国权教授
[9] Alliez P, Bonardi F, Bouchafa S, et al. Indoor Localization and Mapping: Towards Tracking Resilience Through a Multi-SLAM Approach[C]//28th Mediterranean Conference on Control and Automation (MED 2020). 2020.
- 室内定位和制图：通过多传感器 SLAM 方法实现弹性跟踪
[10] Nam D V, Gon-Woo K. Robust Stereo Visual Inertial Navigation System Based on Multi-Stage Outlier Removal in Dynamic Environments[J]. Sensors, 2020, 20(10): 2922.
- 动态环境中基于多阶段离群值剔除的鲁棒双目视觉惯性导航系统
- 韩国忠北国立大学，开源期刊，作者主页

3. Semantic/Deep SLAM

[11] Chen C, Wang B, Lu C X, et al. A Survey on Deep Learning for Localization and Mapping: Towards the Age of Spatial Machine Intelligence[J]. arXiv preprint arXiv:2006.12567, 2020.
- 深度学习用于定位和建图的调研：走向空间机器智能时代
- 牛津大学；所有涉及到的论文的列表：Github
[12] Li J, Koreitem K, Meger D, et al. View-Invariant Loop Closure with Oriented Semantic Landmarks[C]. ICRA 2020.
- 面向语义路标的视图不变闭环
- 麦吉尔大学；谷歌学术
[13] Bavle H, De La Puente P, How J, et al. VPS-SLAM: Visual Planar Semantic SLAM for Aerial Robotic Systems[J]. IEEE Access, 2020.
- VPS-SLAM：航空机器人的视觉平面语义 SLAM
- 马德里理工大学自动化与机器人研究中心，MIT 航空航天控制实验室
- 代码开源
[14] Shi T, Cui H, Song Z, et al. Dense Semantic 3D Map Based Long-Term Visual Localization with Hybrid Features[J]. arXiv preprint arXiv:2005.10766, 2020.
- 使用混合特征的基于密集 3D 语义地图的长距离视觉定位
- 中科院自动化所
[15] Metrically-Scaled Monocular SLAM using Learned Scale Factors [C]. ICRA 2020 Best Paper Award in Robot Vision
- 通过学习尺度因子的单目度量 SLAM
- MIT；作者主页
[16] Chaplot D S, Salakhutdinov R, Gupta A, et al. Neural Topological SLAM for Visual Navigation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. CVPR 2020: 12875-12884.
- 用于视觉导航的神经拓扑SLAM
- CMU；项目主页
[17] Min Z, Yang Y, Dunn E. VOLDOR: Visual Odometry From Log-Logistic Dense Optical Flow Residuals[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. CVPR 2020: 4898-4909.
- 基于对数逻辑稠密光流残差的视觉里程计
- 史蒂文斯理工学院；代码开源（还未放出）
[18] Loo S Y, Mashohor S, Tang S H, et al. DeepRelativeFusion: Dense Monocular SLAM using Single-Image Relative Depth Prediction[J]. arXiv preprint arXiv:2006.04047, 2020.
- 使用单视图深度预测的单目稠密 SLAM
- 哥伦比亚大学

4. AR/VR/MR

[19] Choudhary S, Sekhar N, Mahendran S, et al. Multi-user, Scalable 3D Object Detection in AR Cloud[C]. CVPR Workshop on Computer Vision for Augmented and Virtual Reality, Seattle, WA, 2020.
- AR 云进行多用户可扩展的 3D 目标检测
- Magic Leap ；项目主页
[20] Tang F, Wu Y, Hou X, et al. 3D Mapping and 6D Pose Computation for Real Time Augmented Reality on Cylindrical Objects[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2019.
- 圆柱物体上实时增强现实的 3D 建图和 6D 位姿计算
- 中科院自动化所

2020 年 5 月论文更新（20 篇）

本期更新于 2020 年 5 月 23 日
共 20 篇论文，其中 5 项开源工作
最近不知道是不是受疫情影响，论文好像有点少了
Voxgraph：苏黎世理工开源的实时体素建图
Neural-SLAM：CMU 开源的主动神经网络

1. Geometric SLAM

[1] Wang W, Zhu D, Wang X, et al. TartanAir: A Dataset to Push the Limits of Visual SLAM[J]. arXiv preprint arXiv:2003.14338, 2020.
- TartanAir：突破视觉 SLAM 极限的数据集
- CMU，港中文；数据集公开：http://theairlab.org/tartanair-dataset/
- 朱德龙师兄参与的一项工作，上个月推荐过了，这个月刚完善网站再推荐一遍，并在 CVPR 2020 组织了 workshop
[2] Reijgwart V, Millane A, Oleynikova H, et al. Voxgraph: Globally Consistent, Volumetric Mapping Using Signed Distance Function Submaps[J]. IEEE Robotics and Automation Letters, 2019, 5(1): 227-234.
- 使用 SDF 子图的全局一致体素建图
- 苏黎世联邦理工；代码开源
[3] Fontán A, Civera J, Triebel R. Information-Driven Direct RGB-D Odometry[J].2020.
- 信息驱动的直接法 RGB-D SLAM
- 萨拉戈萨大学， TUM
[4] Murai R, Saeedi S, Kelly P H J. BIT-VO: Visual Odometry at 300 FPS using Binary Features from the Focal Plane[J]. arXiv preprint arXiv:2004.11186, 2020.
- BIT-VO：使用焦平面的二进制特征以 300 FPS 运行的视觉里程计
- 帝国理工项目主页、演示视频
[5] Du S, Guo H, Chen Y, et al. GPO: Global Plane Optimization for Fast and Accurate Monocular SLAM Initialization[J]. ICRA 2020.
- 准确快速单目 SLAM 初始化的全局平面优化
- 中科院自动化所，字节跳动
[6] Li F, Fu C, Gostar A K, et al. Advanced Mapping Using Planar Features Segmented from 3D Point Clouds[C]//2019 International Conference on Control, Automation and Information Sciences (ICCAIS). IEEE, 2019: 1-6.
- 利用 3D 点云分割的平面进行建图
- 重庆大学
[7] Zou Y, Chen L, Jiang J. Lightweight Indoor Modeling Based on Vertical Planes and Lines[C]//2020 11th International Conference on Information and Communication Systems (ICICS). IEEE, 2020: 136-142.
- 基于垂直平面和线段的室内轻量化建图
- 国防科大；ICICS：CCF C 类会议
[8] Nobis F, Papanikolaou O, Betz J, et al. Persistent Map Saving for Visual Localization for Autonomous Vehicles: An ORB-SLAM Extension[J]. arXiv preprint arXiv:2005.07429, 2020.
- ORB-SLAM2 的拓展应用：永久保存车辆视觉定位的地图
- TUM 汽车技术研究所；代码开源

2. Sensor Fusion

[9] Li X, He Y, Lin J, et al. Leveraging Planar Regularities for Point Line Visual-Inertial Odometry[J]. arXiv preprint arXiv:2004.11969, 2020.
- 利用平面规律的点线 VIO
- 北京大学；IROS 2020 投稿论文
[10] Liu J, Gao W, Hu Z. Bidirectional Trajectory Computation for Odometer-Aided Visual-Inertial SLAM[J]. arXiv preprint arXiv:2002.00195, 2020.
- 里程计辅助视惯 SLAM 的双向轨迹计算
- 中科院自动化所；解决 SLAM 在转弯之后容易退化的问题
[11] Liu R, Marakkalage S H, Padmal M, et al. Collaborative SLAM based on Wifi Fingerprint Similarity and Motion Information[J]. IEEE Internet of Things Journal, 2019.
- 基于 Wifi 指纹相似度和运动信息的协作式 SLAM
- 新加坡科技设计大学；期刊：中科院一区，JCR Q1，IF 11.2
[12] Jung J H, Heo S, Park C G. Observability Analysis of IMU Intrinsic Parameters in Stereo Visual-Inertial Odometry[J]. IEEE Transactions on Instrumentation and Measurement, 2020.
- 立体视觉惯性里程计中IMU内部参数的可观察性分析
- 韩国首尔大学；期刊：中科院三区，JCR Q2，IF 3.0

3. Semantic/Deep SLAM

[13] Wu Y, Zhang Y, Zhu D, et al. EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association[J]. arXiv preprint arXiv:2004.12730, 2020.
- 基于集合数据关联的单目半稠密物体级 SLAM
- 东北大学，港中文；IROS 2020 投稿论文
- 厚着脸皮推荐一下自己的工作，欢迎批评指正
- 代码开源（还未公开）；演示视频：YouTube | bilibili
[14] Vasilopoulos V, Pavlakos G, Schmeckpeper K, et al. Reactive Navigation in Partially Familiar Planar Environments Using Semantic Perceptual Feedback[J]. arXiv preprint arXiv:2002.08946, 2020.
- 使用语义感知反馈的部分熟悉平面环境中的反应性导航
- 宾夕法尼亚大学
[15] Chaplot D S, Gandhi D, Gupta S, et al. Learning to explore using active neural slam[C]. ICLR 2020.
- 使用主动神经 SLAM 进行学习探索
- CMU；代码开源；项目主页
[16] Li S, Wang X, Cao Y, et al. Self-Supervised Deep Visual Odometry with Online Adaptation[C]. CVPR. 2020.
- 在线自适应的自监督视觉里程计
- 北京大学
[17] Li W, Gu J, Chen B, et al. Incremental Instance-Oriented 3D Semantic Mapping via RGB-D Cameras for Unknown Indoor Scene[J]. Discrete Dynamics in Nature and Society, 2020, 2020.
- RGB-D 相机室内增量式三维实例语义建图
- 河北工业大学；期刊：中科院三区，JCR Q3Q4 开源期刊
[18] Tiwari L, Ji P, Tran Q H, et al. Pseudo RGB-D for Self-Improving Monocular SLAM and Depth Prediction[J]. arXiv preprint arXiv:2004.10681, 2020.
- 伪 RGB-D 用于改善单目 SLAM 和深度预测（单目 SLAM + 单目深度估计）
- 印度德里 Indraprastha 信息技术学院(IIIT-Delhi)

4. Others

[19] Wald J, Dhamo H, Navab N, et al. Learning 3D Semantic Scene Graphs from 3D Indoor Reconstructions[C]. CVPR 2020.
- 从三维室内重建中学习 3D 语义场景图
- TUM；项目主页；Video
[20] Sommer C, Sun Y, Bylow E, et al. PrimiTect: Fast Continuous Hough Voting for Primitive Detection[C]. ICRA 2020.
- 用于基元检验的快速连续霍夫投票
- TUM

2020 年 4 月论文更新（22 篇）

本期更新于 2020 年 4 月 25 日
共 22 篇论文，其中 7 项开源工作， 1 项公开数据集；
2、8、12 跟线段有关
9、10 VIO 相关
TartanAir 突破视觉 SLAM 极限的数据集，投稿于 IROS 2020
VPS-SLAM 平面语义 SLAM 比较有意思，代码开源

1. Geometric SLAM

[1] Wang W, Zhu D, Wang X, et al. TartanAir: A Dataset to Push the Limits of Visual SLAM[J]. arXiv preprint arXiv:2003.14338, 2020.
- TartanAir：突破视觉 SLAM 极限的数据集
- CMU，港中文；数据集公开：http://theairlab.org/tartanair-dataset/
- 朱德龙师兄的工作，置顶推荐一下
[2] Gomez-Ojeda R. Robust Visual SLAM in Challenging Environments with Low-texture and Dynamic Illumination[J]. 2020.
- 低纹理和动态光照挑战环境下的鲁棒视觉 SLAM
- 西班牙马拉加大学，点线 SLAM 作者的博士学位论文
[3] Yang S, Li B, Cao Y P, et al. Noise-resilient reconstruction of panoramas and 3D scenes using robot-mounted unsynchronized commodity RGB-D cameras[J]. ACM Transactions on Graphics, 2020.
- 使用安装在机器人上的非商用 RGB-D 相机对全景图和三维场景进行抗噪声重建
- 清华大学胡事民教授，期刊：中科院二区，JCR Q1，IF 7.176
[4] Huang J, Yang S, Mu T J, et al. ClusterVO: Clustering Moving Instances and Estimating Visual Odometry for Self and Surroundings[J]. arXiv preprint arXiv:2003.12980, 2020.
- ClusterVO：对移动实例进行聚类并估算自身和周围环境的视觉里程计
- 清华大学胡事民教授；演示视频
- Huang J, Yang S, Zhao Z, et al. ClusterSLAM: A SLAM Backend for Simultaneous Rigid Body Clustering and Motion Estimation[C]//Proceedings of the IEEE International Conference on Computer Vision. 2019: 5875-5884.
[5] Quenzel J, Rosu R A, Läbe T, et al. Beyond Photometric Consistency: Gradient-based Dissimilarity for Improving Visual Odometry and Stereo Matching[C]. International Conference on Robotics and Automation (ICRA), 2020.
- 超越光度一致性：用于改善视觉里程计和立体匹配的基于梯度的差异
- 波恩大学智能自主实验室
[6] Yang Y, Tang D, Wang D, et al. Multi-camera visual SLAM for off-road navigation[J]. Robotics and Autonomous Systems, 2020: 103505.
- 用于越野导航的多相机 SLAM
- 北理工自动化学院
[7] Cheng W. Methods for large-scale image-based localization using structure-from-motion point clouds[J]. 2020.
- 利用 SFM 点云在大规模环境下的基于图像的定位
- 南洋理工大学博士学位论文；相关代码
[8] Sun T, Song D, Yeung D Y, et al. Semi-semantic Line-Cluster Assisted Monocular SLAM for Indoor Environments[C]//International Conference on Computer Vision Systems. Springer, Cham, 2019: 63-74.
- 室内环境中半语义线段簇辅助单目 SLAM
- 香港科技大学机器人与多感知实验室 RAM-LAB

2. Sensor Fusion

[9] Nagy B, Foehn P, Scaramuzza D. Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO[J]. arXiv preprint arXiv:2003.13493, 2020.
- 用于高速 VIO 的前端 GPU 加速
- 苏黎世大学、苏黎世联邦理工；代码开源
[10] Li J, Yang B, Huang K, et al. Robust and Efficient Visual-Inertial Odometry with Multi-plane Priors[C]//Chinese Conference on Pattern Recognition and Computer Vision (PRCV). Springer, Cham, 2019: 283-295.
- 具有多平面先验的稳健高效的视觉惯性里程计
- 浙大 CAD&CG 实验室，章国峰；章老师主页上是显示将会开源
[11] Debeunne C, Vivet D. A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping[J]. Sensors, 2020, 20(7): 2068.
- 视觉-激光 SLAM 综述
- 图卢兹大学；开源期刊，中科院三区，JCR Q2Q3
[12] Yu H, Zhen W, Yang W, et al. Monocular Camera Localization in Prior LiDAR Maps with 2D-3D Line Correspondences[J]. arXiv preprint arXiv:2004.00740, 2020.
- 在先验雷达地图中通过 2D-3D 线段关联实现单目视觉定位
- CMU，武汉大学；代码开源

3. Semantic/Deep SLAM

[13] Bavle H, De La Puente P, How J, et al. VPS-SLAM: Visual Planar Semantic SLAM for Aerial Robotic Systems[J]. IEEE Access, 2020.
- VPS-SLAM：航空机器人的视觉平面语义 SLAM
- 马德里理工大学自动化与机器人研究中心，MIT 航空航天控制实验室
- 代码开源，视频
[14] Liao Z, Wang W, Qi X, et al. Object-oriented SLAM using Quadrics and Symmetry Properties for Indoor Environments[J]. arXiv preprint arXiv:2004.05303, 2020.
- 室内环境中使用二次曲面和对偶属性的面向物体的 SLAM
- 北航；代码开源，视频
[15] Ma Q M, Jiang G, Lai D Z. Robust Line Segments Matching via Graph Convolution Networks[J]. arXiv preprint arXiv:2004.04993, 2020.
- 图卷积神经网络线段匹配
- 西安电子科大；代码开源
[16] Li R, Wang S, Gu D. DeepSLAM: A Robust Monocular SLAM System with Unsupervised Deep Learning[J]. IEEE Transactions on Industrial Electronics, 2020.
- DeepSLAM：无监督深度学习的单目 SLAM
- 中国国家国防科技创新研究院，期刊：中科院一区，JCR Q1，IF 8.4
- ICRA 2018 无监督单目 VO：Undeepvo: Monocular visual odometry through unsupervised deep learning
- Cognitive Computation 2018 SLAM 从几何到深度学习：挑战与机遇：Ongoing evolution of visual SLAM from geometry to deep learning: challenges and opportunities

4. AR/VR/MR

[17] Baker L, Ventura J, Zollmann S, et al. SPLAT: Spherical Localization and Tracking in Large Spaces[J].2020.
- SPLAT：大场景中球形定位与跟踪
- 新西兰奥塔哥大学
[18] Valentini I, Ballestin G, Bassano C, et al. Improving Obstacle Awareness to Enhance Interaction in Virtual Reality[C]. IEEE Conference on Virtual Reality and 3D User Interfaces (VR). 2020.
- 增强障碍意识以提升虚拟现实中的互动
- 意大利热那亚大学；video
[19] Stylianidis E, Valari E, Pagani A, et al. Augmented Reality Geovisualisation for Underground Utilities[J]. 2020.
- 增强现实地理可视化
- 希腊亚里士多德大学

5. Others

[20] Sengupta S, Jayaram V, Curless B, et al. Background Matting: The World is Your Green Screen[J]. arXiv preprint arXiv:2004.00626, 2020.
- 背景抠图
- 华盛顿大学；代码开源
[21] Wang L, Wei H. Avoiding non-Manhattan obstacles based on projection of spatial corners in indoor environment[J]. IEEE/CAA Journal of Automatica Sinica, 2020.
- 室内环境中基于空间角投影避免非曼哈顿障碍物
- 北大、上海理工、复旦；期刊：自动化学报英文版
[22] Spencer J, Bowden R, Hadfield S. Same Features, Different Day: Weakly Supervised Feature Learning for Seasonal Invariance[J]. arXiv preprint arXiv:2003.13431, 2020.
- 不同时间的相同特征：季节性不变的弱监督特征学习
- 英国萨里大学；代码开源（还未放出）

2020 年 3 月论文更新（23 篇）

本期 23 篇论文，其中 7 项开源工作；
1、2 多相机 SLAM 系统
9、10 VIO
21、22 3D 目标检测
12-19 八篇跟 semantic/deep learning 有关，趋势？
注：没有特意整理 CVPR，ICRA 新的论文，大部分都半年前就有预印版了，在这个仓库里基本上也早收录了
2020 年 3 月 29 日更新

1. Geometric SLAM

[1] Kuo J, Muglikar M, Zhang Z, et al. Redesigning SLAM for Arbitrary Multi-Camera Systems[C]. ICRA 2020.
- 任意多相机 SLAM 系统
- 苏黎世大学、苏黎世联邦理工机器人与感知课题组；演示视频
[2] Won C, Seok H, Cui Z, et al. OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems[J]. arXiv preprint arXiv:2003.08056, 2020.
- OmniSLAM：宽基线和多相机的全向定位和建图
- 韩国汉阳大学计算机科学系
[3] Colosi M, Aloise I, Guadagnino T, et al. Plug-and-Play SLAM: A Unified SLAM Architecture for Modularity and Ease of Use[J]. arXiv preprint arXiv:2003.00754, 2020.
- 即插即用型 SLAM：模块化且易用的 SLAM 统一框架
- 意大利罗马萨皮恩扎大学；代码开源
- 作者之前一篇类似的文章，教你怎么模块化一个 SLAM 系统：
  - Schlegel D, Colosi M, Grisetti G. Proslam: Graph SLAM from a programmer's perspective[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 1-9.
  - 代码开源
[4] Wu X, Vela P, Pradalier C. Robust Monocular Edge Visual Odometry through Coarse-to-Fine Data Association[J].2020.
- 通过从粗到细的数据关联实现鲁棒的单目基于边的视觉里程计
- 佐治亚理工学院
[5] Rosinol A, Gupta A, Abate M, et al. 3D Dynamic Scene Graphs: Actionable Spatial Perception with Places, Objects, and Humans[J]. arXiv preprint arXiv:2002.06289, 2020.
- 3D 动态场景图：具有位置，物体和人的可操作空间感知
- MIT；Kimera 的作者；演示视频；Google Scholar
[6] Zeng T, Li X, Si B. StereoNeuroBayesSLAM: A Neurobiologically Inspired Stereo Visual SLAM System Based on Direct Sparse Method[J]. arXiv preprint arXiv:2003.03091, 2020.
- 类脑双目直接稀疏 SLAM
- 沈自所斯老师
[7] Oleynikova H, Taylor Z, Siegwart R, et al. Sparse 3d topological graphs for micro-aerial vehicle planning[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 1-9.
- 微型飞行器路径规划的稀疏 3D 拓扑图
- 苏黎世联邦理工；作者主页；路径规划与建图部分代码开源，相关论文：
  - Oleynikova H, Taylor Z, Fehr M, et al. Voxblox: Incremental 3d euclidean signed distance fields for on-board mav planning[C]//2017 Ieee/rsj International Conference on Intelligent Robots and Systems (iros). IEEE, 2017: 1366-1373.
[8] Ye H, Huang H, Liu M. Monocular Direct Sparse Localization in a Prior 3D Surfel Map[J]. arXiv preprint arXiv:2002.09923, 2020.
- 在 Surfel 地图中的单目稀疏直接法定位
- 港科大 RAM 实验室
- Tips：构造稀疏点的全局平面信息

2. Sensor Fusion

[9] Zhao Y, Smith J S, Karumanchi S H, et al. Closed-Loop Benchmarking of Stereo Visual-Inertial SLAM Systems: Understanding the Impact of Drift and Latency on Tracking Accuracy[C]. ICRA 2020.
- 双目视觉里程计闭环检测基准系统：关于测试漂移和延迟对跟踪准确性的影响
- 佐治亚理工学院 IVALab ROBO SLAM；代码开源；作者主页
[10] Giubilato R, Chiodini S, Pertile M, et al. MiniVO: Minimalistic Range Enhanced Monocular System for Scale Correct Pose Estimation[J]. 2020.
- 用于正确尺度位姿估计的最小范围增强单目视觉里程计
- 意大利帕多瓦大学
- Tips：1D LiDAR 矫正单目尺度
[11] Huang W, Liu H, Wan W. An Online Initialization and Self-Calibration Method for Stereo Visual-Inertial Odometry[J]. IEEE Transactions on Robotics, 2020.
- 一种双目视惯里程计的在线初始化和自标定方法
- 北京大学；Google Scholar；作者另外一篇文章：
  - Huang W, Liu H. Online initialization and automatic camera-IMU extrinsic calibration for monocular visual-inertial SLAM[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 5182-5189.

3. Semantic/Deep SLAM

[12] Landgraf Z, Falck F, Bloesch M, et al. Comparing View-Based and Map-Based Semantic Labelling in Real-Time SLAM[J]. arXiv preprint arXiv:2002.10342, 2020.
- 在实时 SLAM 中比较基于视图和基于地图的语义标签
- 帝国理工学院计算机系戴森机器人实验室
[13] Singh G, Wu M, Lam S K. Fusing Semantics and Motion State Detection for Robust Visual SLAM[C]//The IEEE Winter Conference on Applications of Computer Vision. 2020: 2764-2773.
- 融合语义和运动状态检测以实现鲁棒的视觉 SLAM
- 南洋理工大学
[14] Gupta A, Iyer G, Kodgule S. DeepEvent-VO: Fusing Intensity Images and Event Streams for End-to-End Visual Odometry[J].
- DeepEvent-VO：融合强度图像和事件流的端到端视觉测距
- CMU；代码开源
[15] Wagstaff B, Peretroukhin V, Kelly J. Self-Supervised Deep Pose Corrections for Robust Visual Odometry[J]. arXiv preprint arXiv:2002.12339, 2020.
- 鲁棒视觉里程计的自监督深度位姿矫正
- 多伦多大学 STARS 实验室；代码开源
[16] Ye X, Ji X, Sun B, et al. DRM-SLAM: Towards dense reconstruction of monocular SLAM with scene depth fusion[J]. Neurocomputing, 2020.
- DRM-SLAM：通过场景深度融合实现单目 SLAM 的稠密重建
- 大连理工大学；期刊：中科院二区，JCR Q1，IF 3.824
[17] Yang N, von Stumberg L, Wang R, et al. D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry[C]. CVPR 2020.
- D3VO：单目视觉里程计中针对深度、位姿和不确定性的深度网络
- TUM 计算机视觉组；个人主页
[18] Chen C, Rosa S, Miao Y, et al. Selective sensor fusion for neural visual-inertial odometry[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019: 10542-10551.
- 神经视觉 VIO 的选择性传感器融合
- 牛津大学计算机科学系；Google Scholar
[19] Towards the Probabilistic Fusion of Learned Priors into Standard Pipelines for 3D Reconstruction[C]. ICRA 2020.
- 将学习的先验信息融合到标准的三维重建中
- 帝国理工学院戴森机器人实验室

4. AR/VR/MR

[20] Wu L, Wan W, Yu X, et al. A novel augmented reality framework based on monocular semi‐dense simultaneous localization and mapping[J]. Computer Animation and Virtual Worlds, 2020: e1922.
- 基于单目半稠密 SLAM 的新型 AR 框架
- 上海大学；期刊：中科院四区，JCR Q4，IF 0.794

5. Others

[21] Shi W. Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud[C]. CVPR 2020.
- Point-GNN: 图神经网络用于点云中的 3D 目标对象检测
- CMU； 代码开源；谷歌学术
[22] Chen Y, Tai L, Sun K, et al. MonoPair: Monocular 3D Object Detection Using Pairwise Spatial Relationships[C]. CVPR 2020.
- MonoPair: 使用成对空间关系的单目 3D 对象检测
- 阿里巴巴
[23] Chen X, Song J, Hilliges O. Monocular neural image based rendering with continuous view control[C]//Proceedings of the IEEE International Conference on Computer Vision. 2019: 4090-4100.
- 基于连续视图控制的单目神经图像绘制
- 苏黎世联邦理工 AIT 实验室
- 类似于百度自动驾驶仿真 AADS 采用的新视图合成？

2020 年 2 月论文更新（17 篇）

这个月赶论文，看的论文比较少，本期 17 篇，其中 3 项开源工作；
1、2、3、4 建图相关
7、8、9 动态相关
10、11 视惯融合
13、14、15 AR相关
2020 年 2 月 25 日更新

1. Geometric SLAM

[1] Muglikar M, Zhang Z, Scaramuzza D. Voxel map for visual slam[C]. ICRA 2020.
- 使用体素图的视觉 SLAM
- 苏黎世大学，张子潮
[2] Ye X, Ji X, Sun B, et al. DRM-SLAM: Towards Dense Reconstruction of Monocular SLAM with Scene Depth Fusion[J]. Neurocomputing, 2020.
- 通过场景深度融合实现单目 SLAM 的稠密重建
- 大连理工大学，期刊：中科院二区， IF 4.0
[3] Nardi F, Grisetti G, Nardi D. High-Level Environment Representations for Mobile Robots. 2019.
- 移动机器人高级别的环境表示
- 罗马大学博士学位论文
[4] Puligilla S S, Tourani S, Vaidya T, et al. Topological Mapping for Manhattan-like Repetitive Environments[J]. arXiv preprint arXiv:2002.06575, 2020.
- 类曼哈顿重复环境中的拓扑建图
- 印度海得拉巴国际信息技术研究所；代码开源；演示视频
[5] Li X, Ling H. Hybrid Camera Pose Estimation with Online Partitioning for SLAM[J]. IEEE Robotics and Automation Letters, 2020, 5(2): 1453-1460.
- 在线分割 SLAM 中的混合相机位姿估计
- 天普大学，林海滨教授
[6] Karimian A, Yang Z, Tron R. Statistical Outlier Identification in Multi-robot Visual SLAM using Expectation Maximization[J]. arXiv preprint arXiv:2002.02638, 2020.
- 使用最大期望识别多机器人 VSLAM 中的异常值
- 波士顿大学
[7] Henein M, Zhang J, Mahony R, et al. Dynamic SLAM: The Need For Speed[J]. arXiv preprint arXiv:2002.08584, 2020.
- 满足速度估计需求的动态 SLAM
- 澳大利亚国立大学，作者主要研究动态 SLAM Google Scholar
[8] Nair G B, Daga S, Sajnani R, et al. Multi-object Monocular SLAM for Dynamic Environments[J]. arXiv preprint arXiv:2002.03528, 2020.
- 用于动态环境的多目标单目 SLAM
- 印度海得拉巴理工学院
[9] Cheng J, Zhang H, Meng M Q H. Improving Visual Localization Accuracy in Dynamic Environments Based on Dynamic Region Removal[J]. IEEE Transactions on Automation Science and Engineering, 2020.
- 通过动态区域剔除来提升动态环境中视觉定位的准确性
- 港中文；中科院二区 JCR Q1

2. Sensor Fusion

[10] Patel N, Khorrami F, Krishnamurthy P, et al. Tightly Coupled Semantic RGB-D Inertial Odometry for Accurate Long-Term Localization and Mapping[C]//2019 19th International Conference on Advanced Robotics (ICAR). IEEE, 2019: 523-528.
- 用于精确、长期定位和建图的紧耦合语义 RGB-D 惯性里程计
- 纽约大学
[11] Chiodini S, Giubilato R, Pertile M, et al. Retrieving Scale on Monocular Visual Odometry Using Low Resolution Range Sensors[J]. IEEE Transactions on Instrumentation and Measurement, 2020.
- 使用低分辨率距离传感器恢复单目视觉里程计的尺度
- 意大利帕多瓦大学，期刊：中科院三区 JCR Q1Q2

3. Semantic/Deep SLAM

[12] Jin S, Chen L, Sun R, et al. A novel vSLAM framework with unsupervised semantic segmentation based on adversarial transfer learning[J]. Applied Soft Computing, 2020: 106153.
- 基于对抗迁移学习的无监督语义分割的新型 vSLAM 框架
- 苏州大学，期刊：中科院二区 JCR Q1

4. AR/VR/MR

[13] Liu R, Zhang J, Chen S, et al. Towards SLAM-based outdoor localization using poor GPS and 2.5 D building models[C]//2019 IEEE International Symposium on Mixed and Augmented Reality (ISMAR). IEEE, 2019: 1-7.
- 使用粗糙的 GPS 和 2.5 D 建筑模型实现基于 SLAM 的户外定位
- 浙江工业大学；代码开源
[14] Miyamoto K, Shiraga T, Okato Y. User-Selected Object Data Augmentation for 6DOF CNN Localization[J].
- 6 自由度 CNN 定位的用户选择目标数据增强
[15] Gui Z W. Register Based on Large Scene for Augmented Reality System[J]. Journal of Internet Technology, 2020, 21(1): 99-111.
- 基于大场景的增强现实三维注册
- 北理工，期刊：中科院四区， IF 0.7

5. Others

[16] Gao G, Lauri M, Wang Y, et al. 6D Object Pose Regression via Supervised Learning on Point Clouds[C]. ICRA 2020.
- 通过点云上的监督学习进行 6D 物体位姿回归
- 德国汉堡大学、清华大学；代码开源；演示视频
[17] Habib R, Saii M. Object Pose Estimation in Monocular Image Using Modified FDCM[J]. Computer Science, 2020, 21(1).
- 使用改进的 FDCM 估计单目图像中的物体位置
- 类似于旋转物体检验？

2020 年 1 月论文更新（26 篇）

本期 26 篇论文，其中 7 项开源工作，1 项开放数据集；
5、6、10 关于线段的 SLAM
7 基于事件相机的 SLAM 综述
8、9、10 视惯融合
16、17 AR+SLAM
2020 年 1 月 28 日更新

1. Geometric SLAM

[1] RÜCKERT, Darius; INNMANN, Matthias; STAMMINGER, Marc. FragmentFusion: A Light-Weight SLAM Pipeline for Dense Reconstruction. In: 2019 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct). IEEE, 2019. p. 342-347.
- FragmentFusion：一种轻量级的用于稠密重建的方案
- 德国埃朗根-纽伦堡大学
[2] Chen Y, Shen S, Chen Y, et al. Graph-Based Parallel Large Scale Structure from Motion[J]. arXiv preprint arXiv:1912.10659, 2019.
- 基于图的并行大尺度的 SFM
- 中科院自动化所，代码开源
[3] Sommer C, Sun Y, Guibas L, et al. From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized 3D Point Clouds[J]. arXiv preprint arXiv:2001.07360, 2020.
- 从平面到角点：无组织的点云中的多用途基本体检测
- 慕尼黑工业大学，代码开源
[4] Zhao Y, Vela P A. Good feature matching: Towards accurate, robust VO/VSLAM with low latency[J]. IEEE Transactions on Robotics, 2019, 7: 181800-181811.
- 良好的特征匹配：面向低延迟、准确且鲁棒的 VO / VSLAM
- 佐治亚理工学院，作者主页，代码开源，期刊中科院二区 JCR Q1
[5] Luo X, Tan Z, Ding Y. Accurate Line Reconstruction for Point and Line-Based Stereo Visual Odometry[J]. IEEE Access, 2019, 7: 185108-185120.
- 基于双目点线视觉里程计的精确线段重构
- 浙江大学超大规模集成电路设计研究院，IEEE Access 开源期刊
[6] Ma J, Wang X, He Y, et al. Line-Based Stereo SLAM by Junction Matching and Vanishing Point Alignment[J]. IEEE Access, 2019, 7: 181800-181811.
- 通过节点匹配与消失点对齐的基于线的双目 SLAM
- 武汉大学、中科院自动化所，IEEE Access 开源期刊
[7] 马艳阳, 叶梓豪, 刘坤华, 等. 基于事件相机的定位与建图算法: 综述[J]. 自动化学报, 2020, 46: 1-11.
- 中山大学

2. Sensor Fusion

[8] WEN, Shuhuan, et al. Joint optimization based on direct sparse stereo visual-inertial odometry. Autonomous Robots, 2020, 1-19.
- 基于直接稀疏双目视觉惯导里程计的联合优化
[9] Chen C, Zhu H, Wang L, et al. A Stereo Visual-Inertial SLAM Approach for Indoor Mobile Robots in Unknown Environments Without Occlusions[J]. IEEE Access, 2019, 7: 185408-185421.
- 无遮挡未知环境中室内移动机器人的双目视觉惯性 SLAM 方法
- 中国矿业大学，代码开源（还未放出），IEEE Access 开源期刊
[10] Yan D, Wu C, Wang W, et al. Invariant Cubature Kalman Filter for Monocular Visual Inertial Odometry with Line Features[J]. arXiv preprint arXiv:1912.11749, 2019.
- 单目线特征视觉惯性里程法的不变容积卡尔曼滤波
- 石家庄铁道大学、北京交通大学

3. Semantic/Deep SLAM

[11] XU, Jingao, et al. Edge Assisted Mobile Semantic Visual SLAM.
- 边缘辅助移动语义视觉SLAM
- 清华、大工、微软
[12] ZHAO, Zirui, et al. Visual Semantic SLAM with Landmarks for Large-Scale Outdoor Environment. arXiv preprint arXiv:2001.01028, 2020.
- 用于大规模室外环境的具有路标的视觉语义 SLAM
- 西安交大、北京交大
[13] WANG, Li, et al. Object-Aware Hybrid Map for Indoor Robot Visual Semantic Navigation. In: 2019 IEEE International Conference on Robotics and Biomimetics (ROBIO). IEEE, 2019. p. 1166-1172.
- 用于室内机器人视觉语义导航的对象感知混合地图
- 燕山大学、加拿大阿尔伯塔大学、伦敦大学；Autonomous Robots 期刊中科院三区，JCR Q1， IF 2.244
[14] Czarnowski, J., Laidlow, T., Clark, R., & Davison, A. J. (2020). DeepFactors: Real-Time Probabilistic Dense Monocular SLAM. IEEE Robotics and Automation Letters, 5(2), 721–728. doi:10.1109/lra.2020.2965415
- DeepFactors：实时的概率单目稠密 SLAM
- 帝国理工学院戴森机器人实验室，代码开源
[15] TRIPATHI, Nivedita; SISTU, Ganesh; YOGAMANI, Senthil. Trained Trajectory based Automated Parking System using Visual SLAM. arXiv preprint arXiv:2001.02161, 2020.
- 使用视觉 SLAM 基于轨迹训练的自动停车系统
- 爱尔兰法雷奥视觉系统公司

4. AR/VR/MR

[16] WANG, Cheng, et al. NEAR: The NetEase AR Oriented Visual Inertial Dataset. In: 2019 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct). IEEE, 2019. p. 366-371.
- 面向视觉惯导数据集的网易 AR
- 网易，数据集地址
[17] HUANG, Ningsheng; CHEN, Jing; MIAO, Yuandong. Optimization for RGB-D SLAM Based on Plane Geometrical Constraint. In: 2019 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct). IEEE, 2019. p. 326-331.
- 基于平面几何约束优化的 RGB-D SLAM
- 北理工
[18] WU, Yi-Chin; CHAN, Liwei; LIN, Wen-Chieh. Tangible and Visible 3D Object Reconstruction in Augmented Reality. In: 2019 IEEE International Symposium on Mixed and Augmented Reality (ISMAR). IEEE, 2019. p. 26-36.
- 增强现实中有形且可见的三维物体重建
- 台湾国立交通大学计算机科学系
[19] FEIGL, Tobias, et al. Localization Limitations of ARCore, ARKit, and Hololens in Dynamic Large-Scale Industry Environments.
- 大型工业动态环境中 ARCore，ARKit 和 Hololens 的定位局限性
- 德国弗里德里希-亚历山大大学
[20] Yang X, Yang J, He H, et al. A Hybrid 3D Registration Method of Augmented Reality for Intelligent Manufacturing[J]. IEEE Access, 2019, 7: 181867-181883.
- 用于智能制造的增强现实混合三维注册方法
- 广东工业大学，开源期刊

5. Others

[21] Speciale P. Novel Geometric Constraints for 3D Computer Vision Applications[D]. ETH Zurich, 2019.
- 适用于 3D 计算机视觉应用的新型几何约束
- 苏黎世联邦理工博士学位论文、微软，Google Scholar
[22] Patil V, Van Gansbeke W, Dai D, et al. Don't Forget The Past: Recurrent Depth Estimation from Monocular Video[J]. arXiv preprint arXiv:2001.02613, 2020.
- 不要忘记过去的信息:从单目视频中的重复深度估计
- 苏黎世联邦理工，代码开源（还未放出）
[23] CHIU, Hsu-kuang, et al. Probabilistic 3D Multi-Object Tracking for Autonomous Driving. arXiv preprint arXiv:2001.05673, 2020.
- 用于自动驾驶的概率 3D 多目标跟踪
- 斯坦福大学、丰田研究所，代码开源
[24] ZHOU, Boyu, et al. Robust Real-time UAV Replanning Using Guided Gradient-based Optimization and Topological Paths. arXiv preprint arXiv:1912.12644, 2019.
- 使用基于梯度优化和拓扑路径引导进行鲁棒且实时的无人机重规划
- 港科大，代码开源：Fast-Planner, TopoTraj
[25] Object-based localization，2019.
- 专利：基于物体的定位
[26] Device pose estimation using 3d line clouds，2019.
- 专利：使用 3D 线云的设备位姿估计

2019 年 12 月论文更新（23 篇）

本期 23 篇论文，其中 5 项开源工作；
比较有意思的有 TextSLAM、VersaVIS 和单目 3D 目标检测。

1. Geometric SLAM

[1] Tanke J, Kwon O H, Stotko P, et al. Bonn Activity Maps: Dataset Description[J]. arXiv preprint arXiv:1912.06354, 2019.
- 包含人体跟踪、姿态和环境语义三维重建的数据集
- 波恩大学，项目、数据集主页
[2] An S, Che G, Zhou F, et al. Fast and Incremental Loop Closure Detection Using Proximity Graphs[J]. arXiv preprint arXiv:1911.10752, 2019.
- 使用邻近图的快速增量式闭环检测
- 京东、北航，代码开源
[3] Li B, Zou D, Sartori D, et al. TextSLAM: Visual SLAM with Planar Text Features[J]. arXiv preprint arXiv:1912.05002, 2019.
- TextSLAM：基于平面文本的视觉 SLAM
- 上交邹丹平老师
[4] Bundle Adjustment Revisited
- 再谈 BA
- 北京大学
[5] Lange M, Raisch C, Schilling A. LVO: Line only stereo Visual Odometry[C]//2019 International Conference on Indoor Positioning and Indoor Navigation (IPIN). IEEE, 1-8.
- 双目线 VO
- 图宾根大学
- 相关论文：Vakhitov A, Lempitsky V. Learnable Line Segment Descriptor for Visual SLAM[J]. IEEE Access, 2019, 7: 39923-39934. 代码开源
[6] Liu W, Mo Y, Jiao J. An efficient edge-feature constraint visual SLAM[C]//Proceedings of the International Conference on Artificial Intelligence, Information Processing and Cloud Computing. ACM, 2019: 13.
- 一种高效的基于边缘特征约束的视觉 SLAM
- 北邮
[7] Pan L, Wang P, Cao J, et al. Dense RGB-D SLAM with Planes Detection and Mapping[C]//IECON 2019-45th Annual Conference of the IEEE Industrial Electronics Society. IEEE, 2019, 1: 5192-5197.
- 使用平面检测与建图的稠密 RGB-D SLAM
- 新加坡国立大学
[8] Ji S, Qin Z, Shan J, et al. Panoramic SLAM from a multiple fisheye camera rig[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 159: 169-183.
- 多鱼眼相机的全景 SLAM
- 武汉大学
[9] Lecrosnier L, Boutteau R, Vasseur P, et al. Vision based vehicle relocalization in 3D line-feature map using Perspective-n-Line with a known vertical direction[C]//2019 IEEE Intelligent Transportation Systems Conference (ITSC). IEEE, 2019: 1263-1269.
- 使用具有已知垂直方向的透视线在 3D 线特征图中进行基于视觉的车辆重定位
- 诺曼底大学
[10] de Souza Muñoz M E, Menezes M C, de Freitas E P, et al. A Parallel RatSlam C++ Library Implementation[C]//Latin American Workshop on Computational Neuroscience. Springer, Cham, 2019: 173-183.
- 并行 Rat SLAM C++ 库的实现

2. Sensor Fusion

[11] Tschopp F, Riner M, Fehr M, et al. VersaVIS: An Open Versatile Multi-Camera Visual-Inertial Sensor Suite[J]. arXiv preprint arXiv:1912.02469, 2019.
- VersaVIS：开源多功能多相机的视觉惯性传感器套件
- 苏黎世联邦理工学院，代码开源
[12] Geneva P, Eckenhoff K, Lee W, et al. Openvins: A research platform for visual-inertial estimation[C]//IROS 2019 Workshop on Visual-Inertial Navigation: Challenges and Applications, Macau, China. IROS 2019.
- Openvins：用于视觉惯性估计的研究平台
- 特拉华大学，代码开源
[13] Barrau A, Bonnabel S. A Mathematical Framework for IMU Error Propagation with Applications to Preintegration[J]. 2019.
- IMU错误传播的数学框架及其在预积分中的应用
- PSL Research University
[14] Ke T, Wu K J, Roumeliotis S I. RISE-SLAM: A Resource-aware Inverse Schmidt Estimator for SLAM[C]. IROS 2019.
- 用于 SLAM 的资源感知的逆施密特估计器

3. Semantic/Deep SLAM

[15] Dong Y, Wang S, Yue J, et al. A Novel Texture-Less Object Oriented Visual SLAM System[J]. IEEE Transactions on Intelligent Transportation Systems, 2019.
- 一种新型的面向低纹理物体的视觉 SLAM 系统
- 同济大学，期刊中科院二区，JCR Q1，IF 6
[16] Peng J, Shi X, Wu J, et al. An Object-Oriented Semantic SLAM System towards Dynamic Environments for Mobile Manipulation[C]//2019 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM). IEEE, 2019: 199-204.
- 用于动态环境中移动机器人抓取的面向物体的语义 SLAM
- 上海交大机械学院，AIM：CCF 人工智能 C 类会议
[17] Kim U H, Kim S H, Kim J H. SimVODIS: Simultaneous Visual Odometry, Object Detection, and Instance Segmentation[J]. arXiv preprint arXiv:1911.05939, 2019.
- SimVODIS：同时进行视觉里程计、目标检测和语义分割
- 韩国高等科学技术院
[18] Howard Mahe, Denis Marraud, Andrew I. Comport. Real-time RGB-D semantic keyframe SLAM based on image segmentation learning from industrial CAD models. International Conference on Advanced Robotics, Dec 2019, Belo Horizonte, Brazil. ffhal-02391499
- 基于工业 CAD 模型图像分割学习的实时 RGB-D 语义关键帧 SLAM
- 相关工作：基于稠密类级别分割的仅使用语义的视觉里程表 Mahé H, Marraud D, Comport A I. Semantic-only Visual Odometry based on dense class-level segmentation[C]//2018 24th International Conference on Pattern Recognition (ICPR). IEEE, 2018: 1989-1995.

4. AR/VR/MR

[19] Chandu S, Bhavan Jasani G J, Manglik A. Deleting 3D Objects in Augmented Reality using RGBD-SLAM[J].2019
- 使用 RGBD-SLAM 在增强现实中删除 3D 对象
- 亚马逊
[20] Sartipi K, DuToit R C, Cobar C B, et al. Decentralized visual-inertial localization and mapping on mobile devices for augmented reality[R]. Google, Tech. Rep., Aug. 2019.[Online]. Available: http://mars. cs. umn. edu/tr/decentralizedvi19. pdf.
- 用于移动设备增强现实的分布式视觉惯导定位与建图
- 明尼苏达大学

5. Others

[21] Yan Z, Zha H. Flow-based SLAM: From geometry computation to learning[J]. Virtual Reality & Intelligent Hardware, 2019, 1(5): 435-460.
- 基于流的 SLAM：从几何计算到学习的方法
- 北京大学，Google Scholar
[22] Li J, Liu Y, Yuan X, et al. Depth Based Semantic Scene Completion With Position Importance Aware Loss[J]. IEEE Robotics and Automation Letters, 2019, 5(1): 219-226.
- 具有位置重要性感知损失的基于深度的语义场景理解
- 南京大学，代码开源，演示视频
[23] Simonelli A, Bulò S R R, Porzi L, et al. Disentangling Monocular 3D Object Detection[J]. arXiv preprint arXiv:1905.12365, 2019.
- 揭秘单目 3D 目标检测
- 意大利特伦托大学，作者其他论文
  - 使用虚拟相机进行单阶段单目 3D 目标检测：Simonelli A, Bulò S R, Porzi L, et al. Single-Stage Monocular 3D Object Detection with Virtual Cameras[J]. arXiv preprint arXiv:1912.08035, 2019.

2019 年 11 月论文更新（17 篇）

1. Geometric SLAM

[1] Jatavallabhula K M, Iyer G, Paull L. gradSLAM: Dense SLAM meets Automatic Differentiation[J]. arXiv preprint arXiv:1910.10672, 2019.
- 自动区分的稠密 SLAM
- 项目主页，演示视频，代码开源（还未放出）
- 加拿大蒙特卡尔大学（实验室主页），CMU
[2] Lee S J, Hwang S S. Elaborate Monocular Point and Line SLAM With Robust Initialization[C]//ICCV 2019: 1121-1129.
- 具有鲁棒初始化的单目点线 SLAM
- 韩国韩东国际大学
[3] Wen F, Ying R, Gong Z, et al. Efficient Algorithms for Maximum Consensus Robust Fitting[J]. IEEE Transactions on Robotics, 2019.
- 最大一致性稳健拟合的有效算法
- 期刊中科院二区，JCRQ1，IF 1.038，代码开源
- 上海交通大学电子工程系/脑启发式应用技术中心
[4] Civera J, Lee S H. RGB-D Odometry and SLAM[M]//RGB-D Image Analysis and Processing. Springer, Cham, 2019: 117-144.
- RGB-D SLAM 与里程计
- 专著
[5] Wang H, Li J, Ran M, et al. Fast Loop Closure Detection via Binary Content[C]//2019 IEEE 15th International Conference on Control and Automation (ICCA). IEEE, 2019: 1563-1568.
- 通过二进制内容进行快速闭环检测
- 南洋理工大学，ICCV 会议
[6] Liu W, Wu S, Wu Z, et al. Incremental Pose Map Optimization for Monocular Vision SLAM Based on Similarity Transformation[J]. Sensors, 2019, 19(22): 4945.
- 基于相似度变换的单目 SLAM 增量式位姿图优化
- 北航，开源期刊
[7] Wang S, Yue J, Dong Y, et al. A synthetic dataset for Visual SLAM evaluation[J]. Robotics and Autonomous Systems, 2019: 103336.
- 用于视觉 SLAM 评估的合成数据集
- 同济大学，期刊中科院三区， JCR Q2， IF 2.809
[8] Han B, Li X, Yu Q, et al. A Novel Visual Odometry Aided by Vanishing Points in the Manhattan World[J].
- 曼哈顿世界消失点辅助的新型视觉里程计
- 国防科大，作者 Google Scholar
[9] Yuan Z, Zhu D, Chi C, et al. Visual-Inertial State Estimation with Pre-integration Correction for Robust Mobile Augmented Reality[C]//Proceedings of the 27th ACM International Conference on Multimedia. ACM, 2019: 1410-1418.
- 用于鲁棒的移动增强现实中基于预积分校正的视觉惯性状态估计
- 华中科大，会议 ACM MM：CCF A 类会议
[10] Zhong D, Han L, Fang L. iDFusion: Globally Consistent Dense 3D Reconstruction from RGB-D and Inertial Measurements[C]//Proceedings of the 27th ACM International Conference on Multimedia. ACM, 2019: 962-970.
- iDFusion：RGB-D 和惯导的全局一致性稠密三维建图
- 清华大学、港科，会议 ACM MM：CCF A 类会议，Google Scholar
[11] Duhautbout T, Moras J, Marzat J. Distributed 3D TSDF Manifold Mapping for Multi-Robot Systems[C]//2019 European Conference on Mobile Robots (ECMR). IEEE, 2019: 1-8.
- 多机器人系统的分布式三维 TSDF 流形建图
- TSDF 开源库：https://github.com/personalrobotics/OpenChisel

2. Semantic/Deep SLAM

[12] Schorghuber M, Steininger D, Cabon Y, et al. SLAMANTIC-Leveraging Semantics to Improve VSLAM in Dynamic Environments[C]//ICCV Workshops. 2019: 0-0.
- SLAMANTIC：在动态环境中利用语义来改善VSLAM
- 奥地利理工学院, 代码开源
[13] Lee C Y, Lee H, Hwang I, et al. Spatial Perception by Object-Aware Visual Scene Representation[C]//ICCV Workshops 2019: 0-0.
- 由物体视觉场景表示的空间感知
- 首尔大学
[14] Peng J, Shi X, Wu J, et al. An Object-Oriented Semantic SLAM System towards Dynamic Environments for Mobile Manipulation[C]//2019 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM). IEEE, 2019: 199-204.
- 用于动态环境移动操作的物体级语义 SLAM 系统
- 上海交大，AIM：CCF 人工智能 C 类会议
[15] Cui L, Ma C. SOF-SLAM: A semantic visual SLAM for Dynamic Environments[J]. IEEE Access, 2019.
- 一种用于动态环境的语义视觉里程计
- 北航，IEEE Access 开源期刊
[16] Zheng L, Tao W. Semantic Object and Plane SLAM for RGB-D Cameras[C]//Chinese Conference on Pattern Recognition and Computer Vision (PRCV). Springer, Cham, 2019: 137-148.
- RGB-D 物体语义与平面级 SLAM
- 平面分割采用 PEAC，PRCV 第二届今年在西安举办的那个
- 华中科大
[17] Kim U H, Kim S H, Kim J H. SimVODIS: Simultaneous Visual Odometry, Object Detection, and Instance Segmentation[J]. arXiv preprint arXiv:1911.05939, 2019.
- SimVODIS：同时进行视觉里程计、目标检测和实例分割

2019 年 10 月论文更新（22 篇）

1. Geometric SLAM

[1] Sumikura S, Shibuya M, Sakurada K. OpenVSLAM: A Versatile Visual SLAM Framework[J]. arXiv preprint arXiv:1910.01122, 2019.
- OpenVSLAM: 通用的视觉 SLAM 框架
- 代码开源
- 日本国家先进工业科学技术研究所，其他工作：Yokozuka M, Oishi S, Simon T, et al. VITAMIN-E: VIsual Tracking And Mapping with Extremely Dense Feature Points[J]. arXiv preprint arXiv:1904.10324, 2019.
[2] Chen Y, Huang S, Fitch R, et al. On-line 3D active pose-graph SLAM based on key poses using graph topology and sub-maps[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 169-175.
- 使用图形拓扑和子图的基于关键姿势的在线 3D 活跃位姿图SLAM
- 悉尼科技大学
[3] Pfrommer B, Daniilidis K. TagSLAM: Robust SLAM with Fiducial Markers[J]. arXiv preprint arXiv:1910.00679, 2019.
- TagSLAMM：具有基准标记的鲁棒 SLAM
- 宾夕法尼亚大学通用机器人，自动化，感应和感知实验室，项目主页
[4] Lin T Y, Clark W, Eustice R M, et al. Adaptive Continuous Visual Odometry from RGB-D Images[J]. arXiv preprint arXiv:1910.00713, 2019.
- RGB-D 图像的自适应连续视觉里程计
- 密西根大学
[5] Y Yang, P Geneva, K Eckenhoff, G Huang. Visual-Inertial Odometry with Point and Line Features, 2019.
- 点线 VIO
- 特拉华大学
[6] Tarrio J J, Smitt C, Pedre S. SE-SLAM: Semi-Dense Structured Edge-Based Monocular SLAM[J]. arXiv preprint arXiv:1909.03917, 2019.
- SE-SLAM：基于边的单目半稠密 SLAM
- 阿根廷巴尔塞罗研究所
[7] Wu X, Pradalier C. Robust Semi-Direct Monocular Visual Odometry Using Edge and Illumination-Robust Cost[J]. arXiv preprint arXiv:1909.11362, 2019.
- 利用边缘和光照鲁棒成本的单目半直接法视觉里程计
- 佐治亚理工学院
[8] Pan Z, Chen H, Li S, et al. ClusterMap Building and Relocalization in Urban Environments for Unmanned Vehicles[J]. Sensors, 2019, 19(19): 4252.
- 无人驾驶车辆在城市环境中的 ClusterMap 构建和重定位
- 哈工大深圳，港中文，期刊 Sensors：开源期刊，中科院三区 JCR Q2Q3 IF 3.014
[9] Zhang M, Zuo X, Chen Y, et al. Localization for Ground Robots: On Manifold Representation, Integration, Re-Parameterization, and Optimization[J]. arXiv preprint arXiv:1909.03423, 2019.
- 地面机器人的定位：流形表示，积分，重新参数化和优化
- 阿里巴巴人工智能实验室
[10] Kirsanov P, Gaskarov A, Konokhov F, et al. DISCOMAN: Dataset of Indoor SCenes for Odometry, Mapping And Navigation[J]. arXiv preprint arXiv:1909.12146, 2019.
- DISCOMAN：用于里程计、制图和导航的室内场景数据集
- 三星 AI 中心，数据集随论文正式发表放出

2. Semantic/Deep SLAM

[11] Pire T, Corti J, Grinblat G. Online Object Detection and Localization on Stereo Visual SLAM System[J]. Journal of Intelligent & Robotic Systems, 2019: 1-10.
- 在线目标检测和定位的双目视觉 SLAM
- 阿根廷国际信息科学中心，代码开源
[12] Rosinol A, Abate M, Chang Y, et al. Kimera: an Open-Source Library for Real-Time Metric-Semantic Localization and Mapping[J]. arXiv preprint arXiv:1910.02490, 2019.
- Kimera：用于实时度量-语义定位和建图的开源库
- MIT，代码开源，演示视频
[13] Feng Q, Meng Y, Shan M, et al. Localization and Mapping using Instance-specific Mesh Models[J].IROS 2019
- 使用特定实例网格模型进行定位和建图
- 加州大学圣地亚哥分校语境机器人研究所，课题组
[14] Liao Z, Shi J, Qi X, et al. Coarse-To-Fine Visual Localization Using Semantic Compact Map[J]. arXiv preprint arXiv:1910.04936, 2019.
- 使用语义紧凑图的从粗糙到精细的视觉定位
- 北航，face++
[15] Doherty K, Baxter D, Schneeweiss E, et al. Probabilistic Data Association via Mixture Models for Robust Semantic SLAM[J]. arXiv preprint arXiv:1909.11213, 2019.
- 鲁棒的语义 SLAM 中混合模型的概率数据关联
- MIT，好像就是之前 ICRA 2019 多模态概率数据关联
[16] Jung E, Yang N, Cremers D. Multi-Frame GAN: Image Enhancement for Stereo Visual Odometry in Low Light[J]. arXiv preprint arXiv:1910.06632, 2019.
- Multi-Frame GAN：弱光照双目视觉里程计的图像增强
- 慕尼黑工业大学、澳大利亚国立大学，Artisense 自动驾驶公司，LSD、DSO 作者，Google Scholar
[17] Yu F, Shang J, Hu Y, et al. NeuroSLAM: a brain-inspired SLAM system for 3D environments[J]. Biological Cybernetics, 2019: 1-31.
- NeuroSLAM：针对 3D 环境的脑启发式 SLAM 系统
- 昆士兰科技大学，Rat SLAM 作者，代码开源
[18] Zeng T, Si B. A Brain-Inspired Compact Cognitive Mapping System[J]. arXiv preprint arXiv:1910.03913, 2019.
- 脑启发的紧凑型认知地图系统
- 沈自所

3. Learning others

[19] Zhou Y, Qi H, Huang J, et al. NeurVPS: Neural Vanishing Point Scanning via Conic Convolution[J]. arXiv preprint arXiv:1910.06316, 2019.
- NeurVPS：通过圆锥卷积的神经消失点扫描
- 加州伯克利，代码开源
[20] Alhashim I, Wonka P. High Quality Monocular Depth Estimation via Transfer Learning[J]. arXiv preprint arXiv:1812.11941, 2018.
- 通过迁移学习进行高质量单眼深度估计
- 阿卜杜拉国王科技大学，代码开源

4. Others

[21 ] Pei L, Liu K, Zou D, et al. IVPR: An Instant Visual Place Recognition Approach based on Structural Lines in Manhattan World[J]. IEEE Transactions on Instrumentation and Measurement, 2019.
- IVPR：基于曼哈顿世界中的结构线的即时视觉位置识别方法
- 上交裴凌老师，期刊：中科院三区 JCR Q1Q2 IF2.98
[22] Sjanic Z. Particle Filtering Approach for Data Association[C]//22nd International Conference on Information Fusion. 2019.
- 粒子滤波算法用于数据关联

2019 年 9 月论文更新（24 篇）

1. Geometric SLAM

[1] Elvira R, Tardós J D, Montiel J M M. ORBSLAM-Atlas: a robust and accurate multi-map system[J]. arXiv preprint arXiv:1908.11585, 2019.
- ORBSLAM-Atlas：一个鲁棒而准确的多地图系统
- 西班牙萨拉戈萨大学，ORB-SLAM 作者
[2] Yang Y, Dong W, Kaess M. Surfel-Based Dense RGB-D Reconstruction With Global And Local Consistency[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 5238-5244.
- 具有全局和局部一致性的基于面元的 RGB-D 稠密重建
- CMU 机器人研究所
- 相关研究：Schöps T, Sattler T, Pollefeys M. SurfelMeshing: Online Surfel-Based Mesh Reconstruction[J]. arXiv preprint arXiv:1810.00729, 2018.
  - 代码开源
[3] Pire T, Corti J, Grinblat G. Online Object Detection and Localization on Stereo Visual SLAM System[J]. Journal of Intelligent & Robotic Systems, 2019: 1-10.
- 在线进行三维目标检测的双目视觉 SLAM
- 期刊：中科院四区，JCR Q4，IF 2.4
[4] Ferrer G. Eigen-Factors: Plane Estimation for Multi-Frame and Time-Continuous Point Cloud Alignment[C] IROS 2019.
- 特征因子：多帧和时间连续点云对齐的平面估计
- 俄罗斯斯科尔科沃科技学院，三星 代码开源 演示视频
[5] Zhang Y, Yang J, Zhang H, et al. Bundle Adjustment for Monocular Visual Odometry Based on Detected Traffic Sign Features[C]//2019 IEEE International Conference on Image Processing (ICIP). IEEE, 2019: 4350-4354.
- 基于交通标志特征检测的单目视觉里程计 BA 优化
- 北理工、华盛顿大学
[6] Zhang X, Wang W, Qi X, et al. Point-Plane SLAM Using Supposed Planes for Indoor Environments[J]. Sensors, 2019, 19(17): 3795.
- 室内环境中使用假设平面的点-平面 SLAM
- 北京航空航天大学机器人研究所开源期刊
[7] Zheng F, Liu Y H. Visual-Odometric Localization and Mapping for Ground Vehicles Using SE (2)-XYZ Constraints[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 3556-3562.
- 使用 SE(2)-XYZ 约束用于地面车辆定位于建图的视觉里程计
- 香港中文大学 代码开源
[8] Li H, Xing Y, Zhao J, et al. Leveraging Structural Regularity of Atlanta World for Monocular SLAM[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 2412-2418.
- 利用亚特兰大世界结构规律的单目 SLAM
- 香港中文大学刘云辉教授课题组（上面那篇的郑帆博士是他学生），香港中文大学天石机器人研究所
[9] Sun J, Wang Y, Shen Y. Fully Scaled Monocular Direct Sparse Odometry with A Distance Constraint[C]//2019 5th International Conference on Control, Automation and Robotics (ICCAR). IEEE, 2019: 271-275.
- 具有距离约束的全尺寸单目直接稀疏里程计
- 北理工
[10] Dong J, Lv Z. miniSAM: A Flexible Factor Graph Non-linear Least Squares Optimization Framework[J]. arXiv preprint arXiv:1909.00903, 2019.
- minisam：一种灵活的因子图非线性最小二乘优化框架
- Facebook，代码开源，Google Scholar
[11] Campos C, MM M J, Tardós J D. Fast and Robust Initialization for Visual-Inertial SLAM[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 1288-1294.
- 视惯 SLAM 快速鲁棒的初始化
- 西班牙萨拉戈萨大学，ORB-SLAM 课题组
[12] He L, Yang M, Li H, et al. Graph Matching Pose SLAM based on Road Network Information[C]//2019 IEEE Intelligent Vehicles Symposium (IV). IEEE, 2019: 1274-1279.
- 基于路网信息的图匹配位姿 SLAM
- 上海交通大学系统控制与信息处理教育部重点实验室
[13] Gu T, Yan R. An Improved Loop Closure Detection for RatSLAM[C]//2019 5th International Conference on Control, Automation and Robotics (ICCAR). IEEE, 2019: 884-888.
- 一种改进的 RatSLAM 闭环检测方法
- 四川大学

2. Semantic/Deep SLAM

[14] Zhang J, Gui M, Wang Q, et al. Hierarchical Topic Model Based Object Association for Semantic SLAM[J]. IEEE transactions on visualization and computer graphics, 2019.
- 基于层次主题模型的语义 SLAM 对象关联
- 期刊：中科院三区， JCR Q1，IF 3.78
[15] Gählert N, Wan J J, Weber M, et al. Beyond Bounding Boxes: Using Bounding Shapes for Real-Time 3D Vehicle Detection from Monocular RGB Images[C]//2019 IEEE Intelligent Vehicles Symposium (IV). IEEE, 2019: 675-682.
- 超越边界框：使用边界形状从单目 RGB 图像中进行实时 3D 车辆检测
- 德国耶拿大学
[16] Yang N, Wang R, Stuckler J, et al. Deep virtual stereo odometry: Leveraging deep depth prediction for monocular direct sparse odometry[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 817-833.
- 深度虚拟双目里程计：利用单目直接稀疏里程计的深度预测
- 慕尼黑工业大学；作者主页，项目主页
[17] Liu H, Ma H, Zhang L. Visual Odometry based on Semantic Supervision[C]//2019 IEEE International Conference on Image Processing (ICIP). IEEE, 2019: 2566-2570.
- 基于语义监督的视觉里程计
- 清华大学；会议 ICIP：CCF 计算机图形学与多媒体 C 类会议
[18] Wald J, Avetisyan A, Navab N, et al. RIO: 3D Object Instance Re-Localization in Changing Indoor Environments[J]. arXiv preprint arXiv:1908.06109, 2019.
- RIO:改变室内环境的 3D 物体实例重定位
- TUM，Google，项目主页，开放数据集

3. AR & MR & VR

[19] Su Y, Rambach J, Minaskan N, et al. Deep Multi-State Object Pose Estimation for Augmented Reality Assembly[C]. IEEE International Symposium on Mixed and Augmented Reality (ISMAR) 2019
- 增强现实装备的深度多状态目标姿态估计
- 德国人工智能研究中心

4. Learning others

[20] Huang X, Dai Z, Chen W, et al. Improving Keypoint Matching Using a Landmark-Based Image Representation[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 1281-1287.
- 利用基于地标的图像表示改进关键点匹配
- 广东工业大学
[21] Puscas M M, Xu D, Pilzer A, et al. Structured Coupled Generative Adversarial Networks for Unsupervised Monocular Depth Estimation[J]. arXiv preprint arXiv:1908.05794, 2019.
- 无监督单目深度估计的结构耦合生成对抗网络
- 华为、牛津大学 代码开源（还未放出）

5. Others

[22] Yang B, Xu X, Li J, et al. Landmark Generation in Visual Place Recognition Using Multi-Scale Sliding Window for Robotics[J]. Applied Sciences, 2019, 9(15): 3146.
- 基于多尺度滑动窗口的机器人视觉地点识别中的地标生成
- 东南大学期刊：开源期刊，中科院三区，JCR Q3
[23] Hofstetter I, Sprunk M, Schuster F, et al. On Ambiguities in Feature-Based Vehicle Localization and their A Priori Detection in Maps[C]//2019 IEEE Intelligent Vehicles Symposium (IV). IEEE, 2019: 1192-1198.
- 基于特征的车辆模糊定位及其在地图中的先验检测
- SLAM 中的物体数据关联可参考
[24] Kümmerle J, Sons M, Poggenhans F, et al. Accurate and Efficient Self-Localization on Roads using Basic Geometric Primitives[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019: 5965-5971.
- 基于几何元素在道路中进行准确有效的自定位
- 德国卡尔斯鲁厄理工学院

2019 年 8 月论文更新（26 篇）

1. Geometric SLAM

[1] Wei X, Huang J, Ma X. Real-Time Monocular Visual SLAM by Combining Points and Lines[C]//2019 IEEE International Conference on Multimedia and Expo (ICME). IEEE, 2019: 103-108.
- 点线结合的单目视觉 SLAM
- 中国科学院上海高等研究院 ICME：CCF 计算机图形学与多媒体 B 类会议
[2] Fu Q, Yu H, Lai L, et al. A Robust RGB-D SLAM System with Points and Lines for Low Texture Indoor Environments[J]. IEEE Sensors Journal, 2019.
- 低纹理室内环境的点线联合的鲁棒 RGB-D SLAM 系统
- 湖南大学机器人视觉感知与控制国家工程实验室期刊 IEEE Sensors Journal：中科院三区，JCR Q1Q2，IF 2.69
[3] Zhao W, Qian K, Ma Z, et al. Stereo Visual SLAM Using Bag of Point and Line Word Pairs[C]//International Conference on Intelligent Robotics and Applications. Springer, Cham, 2019: 651-661.
- 利用点线词袋对的双目 SLAM
- 东南大学
[4] Hachiuma R, Pirchheim C, Schmalstieg D, et al. DetectFusion: Detecting and Segmenting Both Known and Unknown Dynamic Objects in Real-time SLAM[C]//Proceedings British Machine Vision Conference (BMVC). 2019.
- DetectFusion：在实时的 SLAM 中检测和分割已知与未知的动态对象
- 日本庆应义塾大学、格拉茨理工大学 BMVC：CCF 人工智能 C 类会议
- 相关论文：
  - Co-Fusion: Real-time Segmentation, Tracking and Fusion of Multiple Objects, Martin Rünz and Lourdes Agapito, 2017 IEEE International Conference on Robotics and Automation (ICRA)
  - Ishikawa Y, Hachiuma R, Ienaga N, et al. Semantic Segmentation of 3D Point Cloud to Virtually Manipulate Real Living Space[C]//2019 12th Asia Pacific Workshop on Mixed and Augmented Reality (APMAR). IEEE, 2019: 1-7.
[5] Prokhorov D, Zhukov D, Barinova O, et al. Measuring robustness of Visual SLAM[C]//2019 16th International Conference on Machine Vision Applications (MVA). IEEE, 2019: 1-6.
- 视觉 SLAM 的鲁棒性评估
- 三星 AI 研究中心 MVA：CCF 人工智能 C 类会议
[6] Ryohei Y, Kanji T, Koji T. Invariant Spatial Information for Loop-Closure Detection[C]//2019 16th International Conference on Machine Vision Applications (MVA). IEEE, 2019: 1-6.
- 用于闭环检测的不变空间信息
- 日本福井大学 MVA：CCF 人工智能 C 类会议
[7] Yang B, Xu X, Li J. Keyframe-Based Camera Relocalization Method Using Landmark and Keypoint Matching[J]. IEEE Access, 2019, 7: 86854-86862.
- 使用路标和关键点匹配基于关键帧的相机重定位方法
- 东南大学期刊 IEEE Access：开源期刊

2. Semantic/Deep SLAM

[8] Ganti P, Waslander S. Network Uncertainty Informed Semantic Feature Selection for Visual SLAM[C]//2019 16th Conference on Computer and Robot Vision (CRV). IEEE, 2019: 121-128.
- 视觉 SLAM 中网络不确定性语义信息的选择
- 滑铁卢大学、多伦多大学 代码开源
- 相关论文（学位论文）：Ganti P. SIVO: Semantically Informed Visual Odometry and Mapping[D]. University of Waterloo, 2018.
[9] Yu H, Lee B. Not Only Look But Observe: Variational Observation Model of Scene-Level 3D Multi-Object Understanding for Probabilistic SLAM[J]. arXiv preprint arXiv:1907.09760, 2019.
- 不仅看到而且还观察：基于场景级三维多目标理解的概率 SLAM 变分观测模型
- 首尔国立大学代码开源 Google Scholr
[10] Hu L, Xu W, Huang K, et al. Deep-SLAM++: Object-level RGBD SLAM based on class-specific deep shape priors[J]. arXiv preprint arXiv:1907.09691, 2019.
- 基于特定类深度形状先验的对象级 RGBD SLAM
- 上海科技大学
[11] Torres Cámara J M. Map Slammer. Densifying Scattered KSLAM 3D Maps with Estimated Depth[J]. 2019.
- 利用深度估计的加密分散的关键帧 SLAM 三维地图
- 西班牙阿利坎特大学学位论文 代码开源 演示视频
[12] Cieslewski T, Bloesch M, Scaramuzza D. Matching Features without Descriptors: Implicitly Matched Interest Points (IMIPs)[C]// 2019 British Machine Vision Conference.2018.
- 没有描述符的特征匹配：隐含匹配的兴趣点
- 苏黎世理工、帝国理工 代码开源 BMVC：CCF 人工智能 C 类会议
[13] Zheng J, Zhang J, Li J, et al. Structured3D: A Large Photo-realistic Dataset for Structured 3D Modeling[J]. arXiv preprint arXiv:1908.00222, 2019.
- 用于结构化三维建模的大型照片拟真数据集
- 上海科技大学代码、数据集开源项目主页
[14] Jikai Lu, Jianhui Chen, James J. Little, Pan-tilt-zoom SLAM for Sports Videos.[C]//British Machine Vision Conference (BMVC) 2019.
- 用于体育视频的平移 - 倾斜 - 缩放SLAM
- 不列颠哥伦比亚大学代码开源

3. AR & MR & VR

[15] Saran V, Lin J, Zakhor A. Augmented Annotations: Indoor Dataset Generation with Augmented Reality[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2019, 4213: 873-879.
- 增强注释：具有增强现实的室内数据集生成
- 加州大学伯克利分校项目主页
[16] Liao M, Song B, He M, et al. SynthText3D: Synthesizing Scene Text Images from 3D Virtual Worlds[J]. arXiv preprint arXiv:1907.06007, 2019.
- 从3D虚拟世界合成场景文本图像
- 华中科大、北大、Face++ 代码开源
[17] Shooting Labels by Virtual Reality. 2019
- 利用虚拟现实拍摄语义标签
- 意大利博洛尼亚大学 代码开源

4. Learning others

[18] Ku J, Pon A D, Waslander S L. Monocular 3D Object Detection Leveraging Accurate Proposals and Shape Reconstruction[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. CVPR 2019: 11867-11876.
- 利用精确的提案和形状重建进行单目三维物体检测
- 多伦多大学
- 相关研究：Ku J, Pon A D, Walsh S, et al. Improving 3D Object Detection for Pedestrians with Virtual Multi-View Synthesis Orientation Estimation[J]. arXiv preprint arXiv:1907.06777, 2019.
[19] Chiang H, Lin Y, Liu Y, et al. A Unified Point-Based Framework for 3D Segmentation[J]. arXiv preprint arXiv:1908.00478, 2019.
- 一种统一的基于点的三维分割框架
- 国立台湾大学、亚马逊 代码开源
[20] Zhang Y, Lu Z, Xue J H, et al. A New Rotation-Invariant Deep Network for 3D Object Recognition[C]//2019 IEEE International Conference on Multimedia and Expo (ICME). IEEE, 2019: 1606-1611.
- 一种新的具有旋转不变性的三维物体识别深度网络
- 清华大学 ICME：CCF 计算机图形学与多媒体 B 类会议
[21] Gao Y, Yuille A L. Estimation of 3D Category-Specific Object Structure: Symmetry, Manhattan and/or Multiple Images[J]. International Journal of Computer Vision, 2019: 1-26.
- 3D 类别特定对象结构的估计：对称性，曼哈顿和或多图像
- 中科大期刊 International Journal of Computer Vision：中科院一区，JCR Q1，IF 12.389
[22] Palazzi A, Bergamini L, Calderara S, et al. Semi-parametric Object Synthesis[J]. arXiv preprint arXiv:1907.10634, 2019.
- 半参数的对象合成
- 摩德纳大学代码开源
[23] Christiansen P H, Kragh M F, Brodskiy Y, et al. UnsuperPoint: End-to-end Unsupervised Interest Point Detector and Descriptor[J]. arXiv preprint arXiv:1907.04011, 2019.
- 端到端无监督兴趣点检测器和描述符
- 土耳其哈塞特大学 相关代码：SuperPointPretrainedNetwork，lf-net-release
[24] Chen B X, Tsotsos J K. Fast Visual Object Tracking with Rotated Bounding Boxes[J]. arXiv preprint arXiv:1907.03892, 2019.
- 带旋转边界框的快速视觉目标跟踪
- 约克大学、多伦多大学 代码开源
[25] Brazil G, Liu X. M3D-RPN: Monocular 3D Region Proposal Network for Object Detection[J]. arXiv preprint arXiv:1907.06038, 2019.
- 用于物体检测的单目 3D 区域提议网络
- 密歇根州立大学

5. Others

[26] Zhou Q, Sattler T, Pollefeys M, et al. To Learn or Not to Learn: Visual Localization from Essential Matrices[J]. arXiv preprint arXiv:1908.01293, 2019.
- 学习或非学习的方法：基础矩阵用于视觉定位
- 慕尼黑、苏黎世

2019 年 7 月论文更新（36 篇）

1. Geometric SLAM

[1] Schenk F, Fraundorfer F. RESLAM: A real-time robust edge-based SLAM system[C]//IEEE International Conference on Robotics and Automation(ICRA) 2019. 2019.
- 一种实时稳健的基于边缘的SLAM系统
- 奥地利格拉茨科技大学 Google Scholar
- 代码开源 项目主页
[2] Christensen K, Hebert M. Edge-Direct Visual Odometry[J]. arXiv preprint arXiv:1906.04838, 2019.
- 边缘直接法视觉里程计
- CMU
[3] Dong E, Xu J, Wu C, et al. Pair-Navi: Peer-to-Peer Indoor Navigation with Mobile Visual SLAM[C]//IEEE INFOCOM 2019-IEEE Conference on Computer Communications. IEEE, 2019: 1189-1197.
- 使用移动视觉 SLAM 进行点对点室内导航
- 清华大学 Google Scholar
- 会议：IEEE INFOCOM：CCF 计算机网络 A 类会议
[4] Zhou H, Fan H, Peng K, et al. Monocular Visual Odometry Initialization With Points and Line Segments[J]. IEEE Access, 2019, 7: 73120-73130.
- 利用点线初始化的单目视觉里程计
- 国防科大、清华大学、港中文
- IEEE Access：开源期刊
[5] He M, Zhu C, Huang Q, et al. A review of monocular visual odometry[J]. The Visual Computer, 2019: 1-13.
- 单目视觉里程计综述
- 河海大学
- 期刊 The Visual Computer：中科院四区，JCR Q3，IF 1.39
[6] Bujanca M, Gafton P, Saeedi S, et al. SLAMBench 3.0: Systematic Automated Reproducible Evaluation of SLAM Systems for Robot Vision Challenges and Scene Understanding[C]//IEEE International Conference on Robotics and Automation (ICRA). 2019.
- 用于机器人视觉挑战和场景理解的 SLAM 系统自动可重复性评估
- 爱丁堡大学，伦敦帝国理工学院
[7] Wang Y, Zell A. Improving Feature-based Visual SLAM by Semantics[C]//2018 IEEE International Conference on Image Processing, Applications and Systems (IPAS). IEEE, 2018: 7-12.
- 利用语义信息提高特征点法的 SLAM
- 图宾根大学
[8] Mo J, Sattar J. Extending Monocular Visual Odometry to Stereo Camera System by Scale Optimization[C]. International Conference on Intelligent Robots and Systems (IROS), 2019.
- 通过尺度优化将单目视觉里程计扩展到双目相机系统
- 明尼苏达大学交互式机器人和视觉实验室
- 代码开源
[9] A Modular Optimization framework for Localization and mApping (MOLA). 2019
- 用于定位和建图的模块化优化框架
- 西班牙阿尔梅利亚大学
- 代码开源
[10] Ye W, Zhao Y, Vela P A. Characterizing SLAM Benchmarks and Methods for the Robust Perception Age[J]. arXiv preprint arXiv:1905.07808, 2019.
- 表征鲁棒感知时代的 SLAM 基准和方法
- 乔治亚理工学院
[11] Bürki M, Cadena C, Gilitschenski I, et al. Appearance‐based landmark selection for visual localization[J]. Journal of Field Robotics. 2019
- 基于外观的用于视觉定位的路标选择
- ETH，MIT 期刊：中科院二区，JCR Q1，IF 5.0
[12] Hsiao M, Kaess M. MH-iSAM2: Multi-hypothesis iSAM using Bayes Tree and Hypo-tree[J]. 2019.
- MH-iSAM2：使用贝叶树和 Hypo 树的多假设 iSAM
- CMU 代码开源
[13] Schops T, Sattler T, Pollefeys M. BAD SLAM: Bundle Adjusted Direct RGB-D SLAM[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019: 134-144.
- 直接法 RGB-D SLAM 中的 BA
- ETH
- 代码开源 项目主页
[14] Wang K, Gao F, Shen S. Real-time Scalable Dense Surfel Mapping[C]//Proc. of the IEEE Intl. Conf. on Robot. and Autom.(ICRA). 2019.
- 实时可拓展的表面重建
- 港科大沈邵劼课题组
- 代码开源
[15] Zhao Y, Xu S, Bu S, et al. GSLAM: A General SLAM Framework and Benchmark[J]. arXiv preprint arXiv:1902.07995, 2019.
- 通用SLAM框架和基准
- 西北工业大学，自动化所 代码开源
[16] Nellithimaru A K, Kantor G A. ROLS: Robust Object-Level SLAM for Grape Counting[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. CVPR2019: 0-0.
- 用于葡萄计数的鲁棒的物体级 SLAM
- CMU
[17] Nejad Z Z, Ahmadabadian A H. ARM-VO: an efficient monocular visual odometry for ground vehicles on ARM CPUs[J]. Machine Vision and Applications, 2019: 1-10.
- ARM CPU上地面车辆的高效单目视觉里程计
- 伊朗德黑兰托西技术大学
- 代码开源 期刊：中科院四区，JCR Q2Q3，IF 1.3
[18] Aloise I, Della Corte B, Nardi F, et al. Systematic Handling of Heterogeneous Geometric Primitives in Graph-SLAM Optimization[J]. IEEE Robotics and Automation Letters, 2019, 4(3): 2738-2745.
- SLAM 图优化中异构几何基元的系统处理
- 罗马大学
- 代码开源
[19] Guo R, Peng K, Fan W, et al. RGB-D SLAM Using Point–Plane Constraints for Indoor Environments[J]. Sensors, 2019, 19(12): 2721.
- 室内环境中使用点-平面约束的 RGB-D SLAM
- 国防科大期刊：开源期刊，中科院三区，JCR Q2Q3，IF 3.0
[20] Laidlow T, Czarnowski J, Leutenegger S. DeepFusion: Real-Time Dense 3D Reconstruction for Monocular SLAM using Single-View Depth and Gradient Predictions[J].2019.
- DeepFusion：使用单视图深度和梯度预测的单眼SLAM实时密集三维重建
- 帝国理工学院的戴森机器人实验室
[21] Saeedi S, Carvalho E, Li W, et al. Characterizing Visual Localization and Mapping Datasets[C]//2019 IEEE International Conference on Robotics and Automation (ICRA). 2019.
- 描述可视化定位于建图的数据集
- 帝国理工学院计算机系数据集地址
[22] Sun T, Sun Y, Liu M, et al. Movable-Object-Aware Visual SLAM via Weakly Supervised Semantic Segmentation[J]. arXiv preprint arXiv:1906.03629, 2019.
- 通过弱监督语义分割的可移动对象感知视觉SLAM
- 港科大
[23] Ghaffari M, Clark W, Bloch A, et al. Continuous Direct Sparse Visual Odometry from RGB-D Images[J]. arXiv preprint arXiv:1904.02266, 2019.
- RGB-D图像连续直接稀疏视觉里程计
- 密歇根大学 代码开源
[24] Houseago C, Bloesch M, Leutenegger S. KO-Fusion: Dense Visual SLAM with Tightly-Coupled Kinematic and Odometric Tracking[J]. 2019
- KO-Fusion：具有紧耦合运动和测距跟踪的稠密视觉SLAM
- 帝国理工学院戴森机器人实验室
[25] Iqbal A, Gans N R. Localization of Classified Objects in SLAM using Nonparametric Statistics and Clustering[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2018: 161-168.
- 在非参数和聚类的 SLAM 中使用类别物体进行定位
- 德克萨斯大学计算机工程学院
[26] Semantic Mapping for View-Invariant Relocalization. 2019
- 用于视角不变重定位的语义地图
- 加拿大蒙特利尔麦吉尔大学
[27] Hou Z, Ding Y, Wang Y, et al. Visual Odometry for Indoor Mobile Robot by Recognizing Local Manhattan Structures[C]//Asian Conference on Computer Vision. Springer, Cham, ACCV2018: 168-182.
- 通过识别曼哈顿结构的室内机器人视觉里程计
- 南京理工大学

2. Semantic/Deep SLAM

[28] Guclu O, Caglayan A, Burak Can A. RGB-D Indoor Mapping Using Deep Features[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. CVPR 2019: 0-0.
- 使用深度特征的 RGB-D 室内建图
- 土耳其 Ahi Evran University
[29] Sualeh M, Kim G W. Simultaneous Localization and Mapping in the Epoch of Semantics: A Survey[J]. International Journal of Control, Automation and Systems, 2019, 17(3): 729-742.
- 语义时代的 SLAM 综述
- 韩国忠北国立大学

3. AR & MR & VR

[30] Guerra W, Tal E, Murali V, et al. FlightGoggles: Photorealistic Sensor Simulation for Perception-driven Robotics using Photogrammetry and Virtual Reality[J]. arXiv preprint arXiv:1905.11377, 2019.
- 使用摄影测量和虚拟现实感知驱动机器人的逼真传感器模拟
- MIT 代码开源 项目主页
[31] Stotko P, Krumpen S, Hullin M B, et al. SLAMCast: Large-Scale, Real-Time 3D Reconstruction and Streaming for Immersive Multi-Client Live Telepresence[J]. IEEE transactions on visualization and computer graphics, 2019, 25(5): 2102-2112.
- SLAMCast：用于沉浸式多客户端实时远程呈现的大规模实时3D重建和流媒体
- 波恩大学 Google Scholar

4. Learning others

[32] Jörgensen E, Zach C, Kahl F. Monocular 3D Object Detection and Box Fitting Trained End-to-End Using Intersection-over-Union Loss[J]. arXiv preprint arXiv:1906.08070, 2019.
- 单目三维物体检测和使用交叉联合损失的端到端立方框拟合
- 瑞典查尔姆斯理工大学演示视频
[33] Wang B H, Chao W L, Wang Y, et al. LDLS: 3-D Object Segmentation Through Label Diffusion From 2-D Images[J]. IEEE Robotics and Automation Letters, 2019, 4(3): 2902-2909.
- 通过二维图像的标签扩散进行三维物体分割
- 康奈尔大学
- 代码开源 期刊：IEEE Robotics and Automation 中科院二区，JCR Q1Q2 ，IF 4.8
[34] Yang B, Wang J, Clark R, et al. Learning Object Bounding Boxes for 3D Instance Segmentation on Point Clouds[J]. arXiv preprint arXiv:1906.01140, 2019.
- 学习点云上三维实例分割的目标 3D 边界框
- 牛津大学 Google Scholar
- 代码开源
[35] Ahmed, Mariam. (2019). Pushing Boundaries with 3D Boundaries for Object Recognition. 10.13140/RG.2.2.33079.98728.
- 利用三维边界框推动边界进行物体检测
- 新加坡国立大学
[36] Wu D, Zhuang Z, Xiang C, et al. 6D-VNet: End-To-End 6-DoF Vehicle Pose Estimation From Monocular RGB Images[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. CVPR2019: 0-0.
- 6D-VNet：单目 RGB 图像的端到端 6 自由度车辆姿态估计
- 深圳大学 代码开源

2019 年 6 月论文更新（21 篇）

1. Geometric SLAM

[1] A Modular Optimization Framework for Localization and Mapping. [C] RSS 2019
- 用于跟踪与建图的模块化优化框架
- 西班牙阿尔梅里亚大学 Google Scholor
- 代码开源（还未放出）演示视频
[2] Wang C, Guo X. Efficient Plane-Based Optimization of Geometry and Texture for Indoor RGB-D Reconstruction[J]. arXiv preprint arXiv:1905.08853, 2019.
- 用于室内 RGB-D 重建的基于平面的几何和纹理优化
- 德克萨斯大学达拉斯分校 Google Scholor
- 代码开源
[3] Wang J, Song J, Zhao L, et al. A submap joining algorithm for 3D reconstruction using an RGB-D camera based on point and plane features[J]. Robotics and Autonomous Systems, 2019.
- 一种基于点特征和平面特征的RGB-D相机三维重建子地图连接算法
- 悉尼科技大学 Google Scholor 中科院三区，JCR Q2，IF 2.809
[4] Joshi N, Sharma Y, Parkhiya P, et al. Integrating Objects into Monocular SLAM: Line Based Category Specific Models[J]. arXiv preprint arXiv:1905.04698, 2019.
- 将物体集成到单目 SLAM 中：基于线的特定类别模型
- 印度海德拉巴大学
- Parkhiya P, Khawad R, Murthy J K, et al. Constructing Category-Specific Models for Monocular Object-SLAM[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018: 1-9.
[5] Niu J, Qian K. A hand-drawn map-based navigation method for mobile robots using objectness measure[J]. International Journal of Advanced Robotic Systems, 2019, 16(3): 1729881419846339.
- 一种基于手绘地图的使用物体度量移动机器人导航方法
- 东南大学期刊：中科院四区， JCR Q4，IF 1.0
[6] Robust Object-based SLAM for High-speed Autonomous Navigation. 2019
- 基于鲁棒的物体 SLAM 的高速导航系统
- MIT
[7] Cheng J, Sun Y, Meng M Q H. Robust Semantic Mapping in Challenging Environments[J]. Robotica, 1-15, 2019.
- 具有挑战环境下的鲁棒的语义建图
- 香港中文大学，香港科技大学期刊：中科院四区， JCR Q4，IF 1.267
[8] Sun B, Mordohai P. Oriented Point Sampling for Plane Detection in Unorganized Point Clouds[J]. arXiv preprint arXiv:1905.02553, 2019.
- 无组织点云中平面检测的定向点采样
- 美国史蒂文斯理工学院
[9] Palazzolo E, Behley J, Lottes P, et al. ReFusion: 3D Reconstruction in Dynamic Environments for RGB-D Cameras Exploiting Residuals[J]. arXiv preprint arXiv:1905.02082, 2019.
- ReFusion 利用残差的 RGB-D 相机动态环境下的三维重建
- 德国波恩大学 代码开源

2. Semantic/Deep SLAM

[10] Goldman M, Hassner T, Avidan S. Learn Stereo, Infer Mono: Siamese Networks for Self-Supervised, Monocular, Depth Estimation[J]. arXiv preprint arXiv:1905.00401, 2019.
- 学习双目，推断单目：用于自我监督，单目，深度估计的连体网络
- 以色列特拉维夫大学 代码开源（还未放出）
[11] Mukherjee A, Chakaborty S, Saha S K. Detection of loop closure in SLAM: A DeconvNet based approach[J]. Applied Soft Computing, 2019.
- 基于 DeconvNet 的 SLAM 闭环检测方法
- 印度贾达普大学期刊：中科院二区，JCR Q1，IF 4.0

3. Sensor Fusion

[12] Huang K, Xiao J, Stachniss C. Accurate Direct Visual-Laser Odometry with Explicit Occlusion Handling and Plane Detection[C]//Proceedings of the IEEE International Conference on Robotics and Automation (ICRA). 2019.
- 具有显式遮挡处理和平面检测的精确直接视觉激光测距
- 国防科大
[13] Shan Z, Li R, Schwertfeger S. RGBD-Inertial Trajectory Estimation and Mapping for Ground Robots[J]. Sensors, 2019, 19(10): 2251.
- 用于地面机器人的 RGBD-惯导轨迹估计与建图
- 上海科技大学 Google Scholor
- 代码开源演示视频期刊：开源，中科院三区，JCR Q2Q3
[14] Xiong X, Chen W, Liu Z, et al. DS-VIO: Robust and Efficient Stereo Visual Inertial Odometry based on Dual Stage EKF[J]. arXiv preprint arXiv:1905.00684, 2019.
- DS-VIO：基于双重 EKF 的稳健高效的双目视觉惯性测距仪
- 哈工大 Google Scholor
[15] Xing B Y, Pan F, Feng X X, et al. Autonomous Landing of a Micro Aerial Vehicle on a Moving Platform Using a Composite Landmark[J]. International Journal of Aerospace Engineering, 2019, 2019.
- 使用复合路标的在移动平台上自主着陆的微型飞行器
- 北京理工大学

4. AR & MR & VR

[16] Ozawa T, Nakajima Y, Saito H. Simultaneous 3D Tracking and Reconstruction of Multiple Moving Rigid Objects[C]//2019 12th Asia Pacific Workshop on Mixed and Augmented Reality (APMAR). IEEE, 2019: 1-5.
- 多运动刚体运动三维跟踪与重建
- 日本庆应义塾大学 Google Scholor
[17] Ens B, Lanir J, Tang A, et al. Revisiting Collaboration through Mixed Reality: The Evolution of Groupware[J]. International Journal of Human-Computer Studies, 2019.
- 通过混合现实重温协作:群件的发展
- 澳大利亚莫纳什大学，以色列海法大学，加拿大卡尔加里大学期刊：中科院三区，JCR Q1Q2，IF 2.3

5. Learning others

[18] Song S, Yu F, Zeng A, et al. Semantic scene completion from a single depth image[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. CVPR 2017: 1746-1754.
- 从单个深度图像完成语义场景理解
- 普林斯顿大学 Google Scholor
- 代码开源 项目主页
- Wang H, Sridhar S, Huang J, et al. Normalized Object Coordinate Space for Category-Level 6D Object Pose and Size Estimation[J]. arXiv preprint arXiv:1901.02970, 2019.
- A Survey of 3D Indoor Scene Synthesis[J]. Journal of Computer Science and Technology 34(3):594-608 · May 2019
[19] Howard-Jenkins H, Li S, Prisacariu V. Thinking Outside the Box: Generation of Unconstrained 3D Room Layouts[C]//Asian Conference on Computer Vision. Springer, Cham, ACCV2018: 432-448.
- 跳出边界框的思考：无约束 3D 房间布局的生成
- 牛津大学

6. Others

[20] Qian Y, Ramalingam S, Elder J H. LS3D: Single-View Gestalt 3D Surface Reconstruction from Manhattan Line Segments[C]//Asian Conference on Computer Vision. Springer, Cham, ACCV 2018: 399-416.
- LS3D: 单视图格式塔三维表面重建曼哈顿线段
- 英国约克大学，美国犹他大学 Google Scholor 会议 ACCV：CCF 人工智能 C 类会议
[21] Deng X, Mousavian A, Xiang Y, et al. PoseRBPF: A Rao-Blackwellized Particle Filter for 6D Object Pose Tracking[J]. arXiv preprint arXiv:1905.09304, 2019.
- 一种用于6D目标姿态跟踪的 Rao-Blackwellized 粒子滤波器
- 英伟达，华盛顿大学，斯坦福大学演示视频

2019 年 5 月论文更新（51 篇）

1. Geometric SLAM

[1] Delmas P, Gee T. Stereo camera visual odometry for moving urban environments[J]. Integrated Computer-Aided Engineering, 2019 (Preprint): 1-14.
- 用于移动城市环境的双目里程计
- 奥克兰大学中科院二区 JCR Q2
[2] Guo R, Zhou D, Peng K, et al. Plane Based Visual Odometry for Structural and Low-Texture Environments Using RGB-D Sensors[C]//2019 IEEE International Conference on Big Data and Smart Computing (BigComp). IEEE, 2019: 1-4.
- 用于结构化低纹理的平面 RGB-D 视觉里程计
- 国防科大
[3] X Wang, F Xue, Z Yan, W Dong, Q Wang, H Zha. Continuous-time Stereo Visual Odometry Based on Dynamics Model⋆ 2019
- 基于动力学模型的连续时间的双目视觉里程计
- 北京大学，上海交大
[4] Strecke M, Stückler J. EM-Fusion: Dynamic Object-Level SLAM with Probabilistic Data Association[J]. arXiv preprint arXiv:1904.11781, 2019.
- 具有概率数据关联的动态物体级 SLAM
- 德国马克斯普朗克智能系统研究所实验室主页
- Usenko V, Demmel N, Schubert D, et al. Visual-Inertial Mapping with Non-Linear Factor Recovery[J]. arXiv preprint arXiv:1904.06504, 2019.
- 奥克兰大学期刊 Integrated Computer-Aided Engineering 中科院二区，JCR Q1，IF 3.667
[5] Guclu O, Can A B. k-SLAM: A fast RGB-D SLAM approach for large indoor environments[J]. Computer Vision and Image Understanding, 2019.
- 大型室内环境的快速 RGB-D SLAM 方法
- 土耳其哈西德佩大学 JCR Q2，IF 2.776
[6] Yokozuka M, Oishi S, Simon T, et al. VITAMIN-E: VIsual Tracking And Mapping with Extremely Dense Feature Points[J]. arXiv preprint arXiv:1904.10324, 2019.
- 具有极度密度的特征点的视觉跟踪与建图
- 日本国家先进工业科学技术研究所
[7] Zubizarreta J, Aguinaga I, Montiel J M M. Direct Sparse Mapping[J]. arXiv preprint arXiv:1904.06577, 2019.
- 直接法稀疏建图
- 西班牙萨拉戈萨大学代码开源（还未放出）
- 作者 2018 年 ECCV 一篇文章：可变形贴图中 SLAM 的相机跟踪 Camera Tracking for SLAM in Deformable Maps
[8] Feng G, Ma L, Tan X. Line Model-Based Drift Estimation Method for Indoor Monocular Localization[C]//2018 IEEE 88th Vehicular Technology Conference (VTC-Fall). IEEE, 2019: 1-5.
- 基于线模型的室内单目定位漂移估计方法
- 哈工大 VTC 无线通信会议，一年两届
[9] Castro G, Nitsche M A, Pire T, et al. Efficient on-board Stereo SLAM through constrained-covisibility strategies[J]. Robotics and Autonomous Systems, 2019.
- 通过约束-合作策略实现高效双目SLAM
- 阿根廷布宜诺斯艾利斯大学博士双目 PTAM 作者
[10] Canovas B, Rombaut M, Nègre A, et al. A Coarse and Relevant 3D Representation for Fast and Lightweight RGB-D Mapping[C]//VISAPP 2019-International Conference on Computer Vision Theory and Applications. 2019.
- 应用于快速粗糙的 RGB-D 建图的粗糙的相关 3D 表示
- 格勒诺布尔计算机科学实验室
[11] Ziquan Lan, Zi Jian Yew, Gim Hee Lee. Robust Point Cloud Based Reconstruction of Large-Scale Outdoor Scenes[C], ICRA 2019.
- 鲁棒的室外大场景点云重建
- 新加坡国立代码开源（还未放出）
[12] Shi T, Shen S, Gao X, et al. Visual Localization Using Sparse Semantic 3D Map[J]. arXiv preprint arXiv:1904.03803, 2019.
- 利用稀疏语义三维地图进行可视化定位
- 中国科学院自动化研究所模式识别国家重点实验室
[13] Yang S, Kuang Z F, Cao Y P, et al. Probabilistic Projective Association and Semantic Guided Relocalization for Dense Reconstruction[C]//ICRA 2019.
- 稠密重建的概率投影关联和语义引导重定位
- 清华大学谷歌学术
[14] Xiao L, Wang J, Qiu X, et al. Dynamic-SLAM: Semantic monocular visual localization and mapping based on deep learning in dynamic environment[J]. Robotics and Autonomous Systems, 2019.
- 基于动态环境深度学习的单目 SLAM
- 中国科学院电子研究所传感器技术国家重点实验室期刊中科院三区 JCR Q2
[15] Zhou L, Wang S, Ye J, et al. Do not Omit Local Minimizer: a Complete Solution for Pose Estimation from 3D Correspondences[J]. arXiv preprint arXiv:1904.01759, 2019.
- 不要忽略局部最小化：一种完整的 3D 对应姿态估计解决方案
- CMU
[16] Miraldo P, Saha S, Ramalingam S. Minimal Solvers for Mini-Loop Closures in 3D Multi-Scan Alignment[C]. CVPR 2019.
- 三维多视角对齐中微型闭环的最小求解器
- 美国犹他大学
- ICRA 2019：POSEAMM: A Unified Framework for Solving Pose Problems using an Alternating Minimization Method

2. AR/MR

[17] Piao J C, Kim S D. Real-time Visual-Inertial SLAM Based on Adaptive Keyframe Selection for Mobile AR Applications[J]. IEEE Transactions on Multimedia, 2019.
- 基于自适应关键帧选择的移动增强现实应用的实时视觉惯性 SLAM
- 中国延边大学，韩国延世大学期刊中科院二区，JCR Q2，IF 4.368
[18] Puigvert J R, Krempel T, Fuhrmann A. Localization Service Using Sparse Visual Information Based on Recent Augmented Reality Platforms[C]//2018 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct). IEEE, 2019: 415-416.
- 基于最近增强现实平台的稀疏视觉信息定位服务
- Cologne Intelligence ISMAR：AR 领域顶级会议
[19] Zillner J, Mendez E, Wagner D. Augmented Reality Remote Collaboration with Dense Reconstruction[C]//2018 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct). IEEE, 2019: 38-39.
- 具有稠密重建的增强现实远程协作
- DAQRI 智能眼镜：https://daqri.com/products/smart-glasses/ ISMAR：CCF 计算机图形学与多媒体 B 类会议
[20] Grandi, Jerônimo & Debarba, Henrique & Maciel, Anderson. Characterizing Asymmetric Collaborative Interactions in Virtual and Augmented Realities. IEEE Conference on Virtual Reality and 3D User Interfaces. 2019.
- 表征虚拟现实和增强现实中的非对称协作交互
- 巴西南里奥格兰德联邦大学演示视频
[21] Chen Y S, Lin C Y. Virtual Object Replacement Based on Real Environments: Potential Application in Augmented Reality Systems[J]. Applied Sciences, 2019, 9(9): 1797.
- 基于真实环境的虚拟对象替换：在增强现实系统中的潜在应用
- 台湾科技大学 Applied Sciences 开源期刊
[22] Ferraguti F, Pini F, Gale T, et al. Augmented reality based approach for on-line quality assessment of polished surfaces[J]. Robotics and Computer-Integrated Manufacturing, 2019, 59: 158-167.
- 基于增强现实的抛光表面在线质量评估方法
- 意大利摩德纳大学中科院二区，JCR Q1，IF 4.031
[23] Wang J, Liu H, Cong L, et al. CNN-MonoFusion: Online Monocular Dense Reconstruction Using Learned Depth from Single View[C]//2018 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct). IEEE, 2019: 57-62.
- 单视图中学习深度的在线单目密集重建
- 网易 AR 研究所 ISMAR：AR 领域顶级会议，CCF 计算机图形学与多媒体 B 类会议
[24] He Z, Rosenberg K T, Perlin K. Exploring Configuration of Mixed Reality Spaces for Communication[C]//Extended Abstracts of the 2019 CHI Conference on Human Factors in Computing Systems. ACM, 2019: LBW0222.
- 探索混合现实空间的通信配置
- 纽约大学 CHI：CCF 人机交互与普适计算 A 类会议

3. Semantic/Deep SLAM

[25] von Stumberg L, Wenzel P, Khan Q, et al. GN-Net: The Gauss-Newton Loss for Deep Direct SLAM[J]. arXiv preprint arXiv:1904.11932, 2019.
- GN-Net：高斯牛顿损失的深度直接法 SLAM
- 慕尼黑工业大学 Google Scholor
[26] Wang R, Yang N, Stueckler J, et al. DirectShape: Photometric Alignment of Shape Priors for Visual Vehicle Pose and Shape Estimation[J]. arXiv preprint arXiv:1904.10097, 2019.
- DirectShape：视觉车辆姿态形状估计的形状先验光度对准
- 慕尼黑工业大学 Google Scholor
[27] Feng M, Hu S, Ang M, et al. 2D3D-MatchNet: Learning to Match Keypoints Across 2D Image and 3D Point Cloud[J]. arXiv preprint arXiv:1904.09742, 2019.
- 2D3D-MatchNet：学习匹配 2D 图像和 3D 点云的关键点
- 新加坡国立大学
[28] Wei Y, Liu S, Zhao W, et al. Conditional Single-view Shape Generation for Multi-view Stereo Reconstruction[J]. arXiv preprint arXiv:1904.06699, 2019.
- 多视角立体重建的条件单视图外形生成
- 清华大学代码开源
[29] Behl A, Paschalidou D, Donné S, et al. Pointflownet: Learning representations for rigid motion estimation from point clouds[C]. CVPR 2019.
- Pointflownet：从点云学习刚体运动估计的表示
- 图宾根大学即将开源代码（还未放出）
[30] Xue F, Wang X, Li S, et al. Beyond Tracking: Selecting Memory and Refining Poses for Deep Visual Odometry[J]. arXiv preprint arXiv:1904.01892, 2019.
- 为深度视觉测距选择记忆和细化位姿
- 北京大学

4. learning others

[31] Hou J, Dai A, Nießner M. 3D-SIC: 3D Semantic Instance Completion for RGB-D Scans[J]. arXiv preprint arXiv:1904.12012, 2019.
- RGB-D扫描的 3D 语义实例
- 慕尼黑工业大学
[32] Phalak A, Chen Z, Yi D, et al. DeepPerimeter: Indoor Boundary Estimation from Posed Monocular Sequences[J]. arXiv preprint arXiv:1904.11595, 2019.
- DeepPerimeter：单目序列室内边界估计
- Magic Leap Google Scholor
[33] Yang Z, Liu S, Hu H, et al. RepPoints: Point Set Representation for Object Detection[J]. arXiv preprint arXiv:1904.11490, 2019.
- RepPoints：目标检测的点集表示
- 北京大学
[34] Jiang S, Xu T, Li J, et al. Foreground Feature Enhancement for Object Detection[J]. IEEE Access, 2019, 7: 49223-49231.
- 目标检测的前景特征增强
- 北京理工大学
[35] Zakharov S, Shugurov I, Ilic S. DPOD: 6D Pose Object Detector and Refiner[J]. 2019.
- DPOD:6 自由度物体姿态检测与细化
- 慕尼黑工业大学，西门子
[36] Liu C, Yang Z, Xu F, et al. Image Generation from Bounding Box-represented Semantic Labels[J]. Computers & Graphics, 2019.
- 从边界框表示的语义标签中生成图像
- 清华大学 Computers & Graphics 中科院四区，JCR Q3， IF 1.352
[37] Qiu Z, Yan F, Zhuang Y, et al. Outdoor Semantic Segmentation for UGVs Based on CNN and Fully Connected CRFs[J]. IEEE Sensors Journal, 2019.
- 基于 CNN 和全连通 CRF 的 UGV 室外语义分割
- 大连理工大学点云处理代码中科院三区，JCR Q2，IF 2.698
[38] Ma X, Wang Z, Li H, et al. Accurate Monocular 3D Object Detection via Color-Embedded 3D Reconstruction for Autonomous Driving[J]. arXiv preprint arXiv:1903.11444, 2019.
- 用于自动驾驶的彩色嵌入式三维重建精准单目三维物体检测
- 大连理工大学
[39] Sindagi V A, Zhou Y, Tuzel O. MVX-Net: Multimodal VoxelNet for 3D Object Detection[J]. arXiv preprint arXiv:1904.01649, 2019.
- 用于三维物体检测的多模态 VoxelNet
- 美国约翰斯·霍普金斯大学个人主页
[40] Li J, Lee G H. USIP: Unsupervised Stable Interest Point Detection from 3D Point Clouds[J]. arXiv preprint arXiv:1904.00229, 2019.
- 三维点云的无监督稳定兴趣点检测
- 新加坡国立大学即将开源代码（还未放出）

5. event

[41] Scheerlinck C, Rebecq H, Stoffregen T, et al. CED: Color event camera dataset[J]. arXiv preprint arXiv:1904.10772, CVPRW 2019.
- 彩色事件相机
- 苏黎世大学项目主页 Google Scholor
- 基于事件的视觉研究：Event-based Vision: A Survey. CVPR 2019
- Focus is all you need: Loss functions for event-based vision. 2019
[42] Stoffregen T, Gallego G, Drummond T, et al. Event-based motion segmentation by motion compensation[J]. arXiv preprint arXiv:1904.01293, 2019.
- 基于事件的运动补偿运动分割
- 澳大利亚机器人视觉中心，苏黎世大学

6. Sensor Fusion

[43] Xiao Y, Ruan X, Chai J, et al. Online IMU Self-Calibration for Visual-Inertial Systems[J]. Sensors, 2019, 19(7): 1624.
- 视觉惯性系统 IMU 在线标定
- 北京工业大学 Sensors 开源期刊
[44] Eckenhoff K, Geneva P, Huang G. Closed-form preintegration methods for graph-based visual–inertial navigation[J]. The International Journal of Robotics Research, 2018.
- 基于图的视觉惯性导航的封闭式预积分方法
- 特拉华大学代码开源
[45] Joshi B, Rahman S, Kalaitzakis M, et al. Experimental Comparison of Open Source Visual-Inertial-Based State Estimation Algorithms in the Underwater Domain[J]. arXiv preprint arXiv:1904.02215, 2019.
- 开源视觉惯导 SLAM 在水下的状态估计比较
- 美国南卡罗来纳大学哥伦比亚分校 Google Scholor
[46] Xia L, Meng Q, Chi D, et al. An Optimized Tightly-Coupled VIO Design on the Basis of the Fused Point and Line Features for Patrol Robot Navigation[J]. Sensors, 2019, 19(9): 2004.
- 基于点线特征融合的巡检机器人紧耦合的 VIO
- 东北电力大学 Sensors 开源期刊
[47] Ye H, Chen Y, Liu M. Tightly Coupled 3D Lidar Inertial Odometry and Mapping[J]. arXiv preprint arXiv:1904.06993, 2019.
- 紧耦合的激光惯性里程计与建图
- 香港科技大学 Google Scholor
- Focal loss in 3d object detection [J]IEEE Robotics and Automation Letters 4 (2), 1263-1270, 2019.
[48] Usenko V, Demmel N, Schubert D, et al. Visual-Inertial Mapping with Non-Linear Factor Recovery[J]. arXiv preprint arXiv:1904.06504, 2019.
- 具有非线性因子恢复的视觉-惯导建图
- 慕尼黑工业大学 Google Scholor
[49] Qiu X, Zhang H, Fu W, et al. Monocular Visual-Inertial Odometry with an Unbiased Linear System Model and Robust Feature Tracking Front-End[J]. Sensors, 2019, 19(8): 1941.
- 具有无偏差线性模型和前端鲁棒特征跟踪的单目视觉惯导里程计
- 多伦多大学 Google Scholor Sensors 开源期刊

7. Others

[50] Liu Y, Knoll A, Chen G. A New Method for Atlanta World Frame Estimation[J]. arXiv preprint arXiv:1904.12717, 2019.
- 亚特兰大世界框架估计的一种新方法
- 慕尼黑工业大学
[51] Zhao Y, Qi J, Zhang R. CBHE: Corner-based Building Height Estimation for Complex Street Scene Images[J]. arXiv preprint arXiv:1904.11128, 2019.
- 基于角点的复杂街景图像建筑物高度估计
- 墨尔本大学

2019 年 4 月论文更新（17 篇）

[1] Rambach J, Lesur P, Pagani A, et al. SlamCraft: Dense Planar RGB Monocular SLAM[C]. International Conference on Machine Vision Applications MVA 2019.
- SlamCraft：单目平面稠密 SLAM
- 德国人工智能研究中心 作者主页 谷歌学术 增强现实应用
[2] Liu C, Yang J, Ceylan D, et al. Planenet: Piece-wise planar reconstruction from a single rgb image[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. CVPR 2018: 2579-2588.
- PlaneNet：从单张 RGB 图像进行平面重构
- 华盛顿大学 谷歌学术 Github 代码开源
[3] Weng X, Kitani K. Monocular 3D Object Detection with Pseudo-LiDAR Point Cloud[J]. arXiv preprint arXiv:1903.09847, 2019.
- 利用伪激光点云进行单目 3D 物体检测
- CMU 谷歌学术
[4] Hassan M., Mohamed & Hemayed, Elsayed.. A Fast Linearly Back-End SLAM for Navigation Based on Monocular Camera. International Journal of Civil Engineering and Technology 2018. 627-645.
- 单目 SLAM 的快速线性后端优化
- 埃及法尤姆大学
[5] Chen B, Yuan D, Liu C, et al. Loop Closure Detection Based on Multi-Scale Deep Feature Fusion[J]. Applied Sciences, 2019, 9(6): 1120.
- 基于多尺度深度特征融合的闭环检测
- 中南大学自动化学院
[6] Ling Y, Shen S. Real‐time dense mapping for online processing and navigation[J]. Journal of Field Robotics.
- 用于在线处理和导航的实时密集建图
- 沈邵劼老师团队 Github 代码开源
[7] Chen-Hsuan Lin, Oliver Wang et al.Photometric Mesh Optimization for Video-Aligned 3D Object Reconstruction[C].IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019
- 用于视频三维物体重建的光度网格优化
- CMU 在读博士 个人主页 Github 代码开源
[8] Tang F, Li H, Wu Y. FMD Stereo SLAM: Fusing MVG and Direct Formulation Towards Accurate and Fast Stereo SLAM[J]. 2019.
- 融合多视图几何与直接法的快速精准双目 SLAM
- 中科院自动化研究所，模式识别国家重点实验室，吴毅红团队
[9] Duff T, Kohn K, Leykin A, et al. PLMP-Point-Line Minimal Problems in Complete Multi-View Visibility[J]. arXiv preprint arXiv:1903.10008, 2019.
- PLMP：多视图中的点线最小化
- 佐治亚理工学院
[10] Seong Hun Lee, Javier Civera. Loosely-Coupled Semi-Direct Monocular SLAM[J] IEEE Robotics and Automation Letters. 2019
- 松耦合的半直接法单目 SLAM
- 萨拉戈萨大学，谷歌学术，代码开源，演示视频
- Lee S H, de Croon G. Stability-based scale estimation for monocular SLAM[J]. IEEE Robotics and Automation Letters, 2018, 3(2): 780-787.
- Lee S H, Civera J. Closed-Form Optimal Triangulation Based on Angular Errors[J]. arXiv preprint arXiv:1903.09115, 2019.
[12] Jinyu Li, Bangbang Yang, Danpeng Chen, Nan Wang, Guofeng Zhang*, Hujun Bao*. Survey and Evaluation of Monocular Visual-Inertial SLAM Algorithms for Augmented Reality[J] Journal of Virtual Reality & Intelligent Hardware 2019.
- 应用于增强现实的单目 VI-SLAM 算法调研与评估
- 章国锋教授团队，工程地址，Github-评估工具
[13] Pablo Speciale, Johannes L. Schonberg, Sing Bing Kang. Privacy Preserving Image-Based Localization[J] 2019.
- 利用线云进行基于图像的定位
- 苏黎世联邦理工、微软，作者主页，工程地址
- Speciale P, Pani Paudel D, Oswald M R, et al. Consensus maximization with linear matrix inequality constraints[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. CVPR 2017: 4941-4949. 最大化线性矩阵不等式约束 [PDF] [Code] [Video] [Project Page]
[14] Li M, Zhang W, Shi Y, et al. Bionic Visual-based Data Conversion for SLAM[C]//2018 IEEE International Conference on Robotics and Biomimetics (ROBIO). IEEE, 2018: 1607-1612.
- 基于仿生视觉的 SLAM 数据转换
- 北京理工大学仿生机器人与系统教育部重点实验室
[15] Cheng J, Sun Y, Chi W, et al. An Accurate Localization Scheme for Mobile Robots Using Optical Flow in Dynamic Environments[C]//2018 IEEE International Conference on Robotics and Biomimetics (ROBIO). IEEE, 2018: 723-728.
- 动态环境下使用光流的移动机器人精确定位方案
- 香港中文大学，实验室主页
[16] Zichao Zhang, Davide Scaramuzza, Beyond Point Clouds: Fisher Information Field for Active Visual Localization.[C], IEEE International Conference on Robotics and Automation (ICRA), 2019.
- 超越点云:用于主动视觉定位的 Fisher 信息
- 苏黎世大学张子潮，视频，代码开源，项目主页
[17] Georges Younes, Daniel Asmar, John Zelek. A Unified Formulation for Visual Odometry[J]. arXiv preprint arXiv:1903.04253, 2019.
- 一种统一的视觉里程计方法
- 加拿大滑铁卢大学，贝鲁特美国大学；谷歌学术
- Younes G, Asmar D, Shammas E, et al. Keyframe-based monocular SLAM: design, survey, and future directions[J]. Robotics and Autonomous Systems, 2017, 98: 67-88.
- 2018：Fdmo: Feature assisted direct monocular odometry

2019 年 3 月论文更新（13 篇）

[1] Han L, Gao F, Zhou B, et al. FIESTA: Fast Incremental Euclidean Distance Fields for Online Motion Planning of Aerial Robots[J]. arXiv preprint arXiv:1903.02144, 2019.
- 基于快速增量式欧氏距离场的飞行器实时运动规划
- 沈邵劼老师团队
[2] ICRA 2019 ：Multimodal Semantic SLAM with Probabilistic Data Association
- 具有概率数据关联的多模态语义SLAM
- 麻省理工学院海洋机器人团队
[3] Zhang F, Rui T, Yang C, et al. LAP-SLAM: A Line-Assisted Point-Based Monocular VSLAM[J]. Electronics, 2019, 8(2): 243.
- 线辅助的点 SLAM
- 解放军陆军工程大学
[4] Zhang H, Jin L, Zhang H, et al. A Comparative Analysis of Visual-Inertial SLAM for Assisted Wayfinding of the Visually Impaired[C]//2019 IEEE Winter Conference on Applications of Computer Vision (WACV). IEEE, 2019: 210-217.
- VI-SLAM 辅助寻径对比分析
- 弗吉尼亚联邦大学
[5] Chen Z, Liu L. Creating Navigable Space from Sparse Noisy Map Points[J]. arXiv preprint arXiv:1903.01503, 2019.
- 从稀疏地图点中创建可导航空间
[6] Antigny N, Uchiyama H, Servières M, et al. Solving monocular visual odometry scale factor with adaptive step length estimates for pedestrians using handheld devices[J]. Sensors, 2019, 19(4): 953.
- 行人步长估计辅助单目手持式视觉里程计尺度估计 城市环境 AR应用
- 法国运输\规划和网络科学与技术研究所，researchgate YouTube
[7] Zhou D, Dai Y, Li H. Ground Plane based Absolute Scale Estimation for Monocular Visual Odometry[J]. arXiv preprint arXiv:1903.00912, 2019.
- 基于地平面的单目 SLAM 绝对尺度估计
- 百度
[8] Duong N D, Kacete A, Soladie C, et al. Accurate Sparse Feature Regression Forest Learning for Real-Time Camera Relocalization[C]//2018 International Conference on 3D Vision (3DV). IEEE, 2018: 643-652.
- 基于随机森林学习的实时相机重定位
- 视频
[9] Patra S, Gupta K, Ahmad F, et al. EGO-SLAM: A Robust Monocular SLAM for Egocentric Videos[C]//2019 IEEE Winter Conference on Applications of Computer Vision (WACV). IEEE, 2019: 31-40.
- 视频序列鲁棒的单目 SLAM
- 印度理工学院
[10] Rosinol A, Sattler T, Pollefeys M, et al. Incremental Visual-Inertial 3D Mesh Generation with Structural Regularities[J]. arXiv preprint arXiv:1903.01067, 2019.
- 增量式 VI-SLAM 三维网格生成
- 麻省理工学院信息与决策系统实验室，项目主页
[11] Wang Z. Structure from Motion with Higher-level Environment Representations[J]. 2019.
- 具有高级环境表示的 SFM
- 澳大利亚国立大学硕士学位
[12] Vakhitov A, Lempitsky V. Learnable Line Segment Descriptor for Visual SLAM[J]. IEEE Access, 2019.
- 视觉SLAM中的可学习线段描述，基于 ORB-SLAM2
- Samsung AI Center, Moscow
[13] Grinvald M, Furrer F, Novkovic T, et al. Volumetric Instance-Aware Semantic Mapping and 3D Object Discovery[J]. arXiv preprint arXiv:1903.00268, 2019.
- 语义感知建图与三维物体探索，基于 mask-RCNN
- 苏黎世联邦理工学院

wuyanminmax[AT]gmail.com

Open Source Agenda is not affiliated with "Visual SLAM Related Research" Project. README Source: wuxiaolang/Visual_SLAM_Related_Research

Stars

1,721

Open Issues

Last Commit

2 years ago

Repository

wuxiaolang/Visual_SLAM_Related_Research

Open Source Agenda Badge

<a href="https://www.opensourceagenda.com/projects/visual-slam-related-research"><img src="https://www.opensourceagenda.com/projects/visual-slam-related-research/reviews/badge.svg" alt="Open Source Agenda"></a>

Submit Review Review Your Favorite Project

Submit Resource Articles, Courses, Videos

Submit Article Submit a post to our blog

From the blog

Dec 11, 2022

How to Choose Which Programming Language to Learn First?

From the blog

Dec 11, 2022

Visual SLAM Related Research Save

Visual_SLAM_Related_Research

前言

目录

1. 开源代码

:smile: 1.1 Geometric SLAM

1. PTAM

2. S-PTAM（双目 PTAM）

3. MonoSLAM

4. ORB-SLAM2

5. DSO

6. LDSO

7. LSD-SLAM

8. DVO-SLAM

9. SVO

10. DSM

11. openvslam

12. se2lam（地面车辆位姿估计的视觉里程计）

13. GraphSfM（基于图的并行大规模 SFM）

14. LCSD_SLAM（松耦合的半直接法单目 SLAM）

15. RESLAM（基于边的 SLAM）

16. scale_optimization（将单目 DSO 拓展到双目）

17. BAD-SLAM（直接法 RGB-D SLAM）

18. GSLAM（集成 ORB-SLAM2，DSO，SVO 的通用框架）

19. ARM-VO（运行于 ARM 处理器上的单目 VO）

20. cvo-rgbd（直接法 RGB-D VO）

21. Map2DFusion（单目 SLAM 无人机图像拼接）

22. CCM-SLAM（多机器人协同单目 SLAM）

23. ORB-SLAM3

24. OV²SLAM（完全实时在线多功能 SLAM）

25. ESVO（基于事件的双目视觉里程计）

26. VOLDOR-SLAM（实时稠密非直接法 SLAM）

:smile: 1.2 Semantic / Deep SLAM

1. MsakFusion

2. SemanticFusion

3. semantic_3d_mapping

4. Kimera（实时度量与语义定位建图开源库）

5. NeuroSLAM（脑启发式 SLAM）

6. gradSLAM（自动分区的稠密 SLAM）

7. ORB-SLAM2 + 目标检测/分割的方案语义建图

8. SIVO（语义辅助特征选择）

9. FILD（临近图增量式闭环检测）

10. object-detection-sptam（目标检测与双目 SLAM）

11. Map Slammer（单目深度估计 + SLAM）

12. NOLBO（变分模型的概率 SLAM）

13. GCNv2_SLAM （基于图卷积神经网络 SLAM）

14. semantic_suma（激光语义建图）

15. Neural-SLAM（主动神经 SLAM）

16. TartanVO：一种通用的基于学习的 VO

17. DF-VO

:smile: 1.3 Multi-Landmarks / Object SLAM

1. PL-SVO（点线 SVO）

2. stvo-pl（双目点线 VO）

3. PL-SLAM（点线 SLAM）

4. PL-VIO

5. lld-slam（用于 SLAM 的可学习型线段描述符）

6. PlaneSLAM

7. Eigen-Factors（特征因子平面对齐）

8. PlaneLoc

9. Pop-up SLAM

10. Object SLAM

11. voxblox-plusplus（物体级体素建图）

12. Cube SLAM

13. VPS-SLAM（平面语义 SLAM）

14. Structure-SLAM （低纹理环境下点线 SLAM）

15. PL-VINS

:smile: 1.4 Sensor Fusion

1. msckf_vio

2. rovio

3. R-VIO

4. okvis

5. VIORB

6. VINS-mono

7. VINS-RGBD

8. Open-VINS

9. versavis（多功能的视惯传感器系统）

10. CPI（视惯融合的封闭式预积分）

11. TUM Basalt

12. Limo（激光单目视觉里程计）

13. LARVIO（多状态约束卡尔曼滤波的单目 VIO）

12. 加拿大蒙特利尔大学机器人与嵌入式 AI 实验室