ClusterVO：对移动实例进行聚类并估计自身和周围环境的视觉里程计
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. （CVPR 2020）
清华大学胡事民教授；演示视频
前期研究：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.

知乎原文：SLAM 领域国内外优秀实验室汇总 | PDF 版本 ，同步发布于微信公众号【泡泡机器人 SLAM】 摘自我的 Github 仓库：wuxiaolang/Visu

知乎原文：92 项开源视觉 SLAM 项目够你用了吗？ | PDF 版本 摘自我的 Github 仓库：wuxiaolang/Visual_SLAM_Related_Resear

使用低精度 GPS 和 2.5D 建筑模型实现基于单目 SLAM 的户外定位
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.
浙江工业大学、汉堡大学；代码开源
前期研究：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.

特征因子：多帧和时间连续点云对齐的平面估计
Ferrer G. Eigen-Factors: Plane Estimation for Multi-Frame and Time-Continuous Point Cloud Alignment[C]. IROS 2019
俄罗斯斯科尔科沃科技学院，三星   代码开源   演示视频

在非参数和聚类的 SLAM 中使用类别物体进行定位
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.
德克萨斯大学计算机工程学院

0. 基本使用 0.1 构造 g2o 模型 首先构造 g2o 模型，包括选择线性方程求解器、矩阵求解器和下降算法； 1 2 3 4 5 6 7 8 9 10 11 12 13 // 设置图模型创建优化器. g2o::SparseOptimizer optimizer; //

1. ORB-SLAM2 中优化的变量和误差 ORB-SLAM2 采用非线性优化的方式进行 BA 优化，由于 BA 的稀疏性（具体表现为雅克比矩阵和 H 矩阵的稀疏性），可以由图优化（将优化表示为图

1. 状态估计中的最小二乘问题 1.1 贝叶斯法则 SLAM 要解决的两个问题是定位（求解相机位姿）和建图（求解路标的位置），因此可以分别用一个运动方程和观测方程

单目初始化通过并行地计算基础矩阵 F 和单应矩阵 H ，恢复出最开始两帧的匹配、相机初始位姿，三角化得到 MapPoints 的深度，获得初始化点云地图，并对恢复的点云

特征匹配 1. 初始化时两帧之间的特征匹配 SearchForInitialization() 在单目初始化时，对用于初始化的连续两帧特征点数大于 100 的图像处理，取出图像金字塔第 0 层（即原图）的特征点

6 项开源代码工作：用于跟踪与建图的模块化优化框架   用于室内 RGB-D 重建的基于平面的几何和纹理优化   ReFusion：利用残差的 RGB-D 相机动态环境下的三维重建   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   用于地面机器人的 RGBD-惯导轨迹估计与建图   从单个深度图像完成语义场景理解 其他：将基于线的特定类别物体模型集成到单目 SLAM 中   基于鲁棒的物体 SLAM 的高速导航系统   无组织点云中平面检测的定向点采样

将基于线的特定类别物体模型集成到单目 SLAM 中
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.
作者：印度海德拉巴大学   实验室主页
前期工作：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.

用于室内 RGB-D 重建的基于平面的几何和纹理优化
Wang C, Guo X. Efficient Plane-Based Optimization of Geometry and Texture for Indoor RGB-D Reconstruction[J]. arXiv preprint arXiv:1905.08853, 2019.
作者：德克萨斯大学达拉斯分校   Google Scholor
代码开源

0. 闭环检测线程介绍 通过检测闭环来消除 SLAM 系统的累计误差是比较直接且有效的方式，在局部建图线程处理完每一帧关键帧序列之后会将该关键帧保存到 mlploopKeyFrameQueue 队列

0. 局部建图线程介绍 在 Tracking 线程中每次跟踪成功之后会判断是否将当前帧作为关键帧并送入到局部建图线程，关键帧的判断在 Tracking 线程中进行，但关键帧、地图点插

0. 可视化线程介绍 可视化线程用于显示 3D 地图绘制器和 2D 图像帧绘制器，还包括一些运行模式的开关，不涉及到具体的算法，只负责接受、传递和显示数据，不

Learning SLAM & Others 多视角立体重建的条件单视图外形生成 代码开源   Pointflownet：从点云学习刚体运动估计的表示 代码开源   三维点云的无监督稳定兴趣点检测 代码开源   基于图的视觉惯性导航的封闭式预积分方法 代码开源   事件相机

二、AR & MR & VR DAQRI 智能眼镜远程稠密重建交互   基于三维点云真实环境的虚拟对象替换   网易开源单目深度估计、稠密重建增强现实

一、Geometric SLAM 日本国家先进工业科学技术研究所极密特征视觉 SLAM   开源直接法稀疏建图   线模型约束单目漂移 快速 RGB-D 建图的相关粗糙 3D 表示   苏黎世开源室外大场景点云重建   CMU 局部最小化求解