Visual_SLAM_Related_Research

@Author：wuyanmin
@E-mail ：wuyanminmax@gmail.com

前言

以下收集的论文、代码等资料主要与本人的学习方向 视觉 SLAM、增强现实 相关。
目前重点关注 VO、多路标/物体级 SLAM，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。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. 算法与知识点 ：一些零散的知识点和算法
4. 工具 ：论文或实验用到的一些工具
5. 资料 ：SLAM 相关学习资料
6. 近期论文 ：自己感兴趣方向的最新论文，大概一个月一更新（部分论文质量无法保证，主要以对现阶段的工作可能有用为收录原则，请谨慎参考）。部分论文的详/泛读笔记放在我的博客上。
本仓库于 2019 年 3 月（研一下）开始整理（私密）🌚。
本仓库于 2020 年 3 月（研二下）公开，正好一周年🌝。

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/

😄 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

😄 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

😄 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.

😄 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

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

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

😄 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.

😄 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

😄 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

👍 Julian Straub MIT,facebook VR 实验室
- 个人主页 Google Scholar Github
- 人工 3D 感知方面，曼哈顿世界，很多开源方案
👍 牛津大学 Duncan Frost（PTAM 课题组）
- 谷歌学术
- github：
  - https://github.com/duncanfrost/PSLAM
  - https://github.com/duncanfrost/DenseDepth
- 论文：
  - 博士论文：Long Range Monocular SLAM 2017
  - Recovering Stable Scale in Monocular SLAM Using Object-Supplemented Bundle Adjustment[J]. IEEE Transactions on Robotics, 2018
  - Direct Line Guidance Odometry[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018
  - Object-aware bundle adjustment for correcting monocular scale drift[C]//Robotics and Automation (ICRA), 2016 IEEE International Conference on. IEEE, 2016
👍 Yoshikatsu NAKAJIMA (中島由勝)
- 深度学习状态估计、语义分割、目标检测
- 个人主页
- 论文
  - Yoshikatsu Nakajima and Hideo Saito, Efficient Object-oriented Semantic Mapping with Object Detector, IEEE Access, Vol.7, pp.3206-3213, 2019
  - Yoshikatsu Nakajima and Hideo Saito, Simultaneous Object Segmentation and Recognition by Merging CNN Outputs from Uniformly Distributed Multiple Viewpoints, IEICE Transactions on Information and Systems, Vol.E101-D, No.5, pp.1308-1316, 2018
  - Yoshikatsu Nakajima and Hideo Saito, Robust camera pose estimation by viewpoint classification using deep learning, Computational Visual Media (Springer), DOI 10.1007/s41095-016-0067-z, Vol.3, No.2, pp.189-198, 2017 [Best Paper Award]
👍 Alejo Concha（苏黎世Oculus VR）
- 介绍：单目稠密建图，布局平面，超像素，曼哈顿世界
- 个人主页 谷歌学术
- Github
- 论文：
  - Marta Salas, Wajahat Hussain, Alejo Concha, Luis Montano, Javier Civera, J. M. M. Montiel.Layout Aware Visual Tracking and Mapping (pdf) (video 1) (video 2). IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS15), Hamburg, Germany, 2015.
👍 波兹南理工大学移动机器人实验室
- 有很多基于RGB-D平面的稠密建图工作
- 论文：
  - Wietrzykowski J, Skrzypczyński P. A probabilistic framework for global localization with segmented planes[C]//Mobile Robots (ECMR), 2017 European Conference on. IEEE, 2017: 1-6.
  - Wietrzykowski J, Skrzypczyński P. PlaneLoc: Probabilistic global localization in 3-D using local planar features[J]. Robotics and Autonomous Systems, 2019.
- 开源代码：
👍 Xiaohu Lu
- 俄亥俄州立大学在读博士
  - github：https://github.com/xiaohulugo
  - 相关作者：Yahui Liu
- 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
- 点云分割聚类
  - Lu X, Yao J, Tu J, et al. PAIRWISE LINKAGE FOR POINT CLOUD SEGMENTATION[J]. ISPRS Annals of Photogrammetry, Remote Sensing & Spatial Information Sciences, 2016, 3(3).
  - 代码：https://github.com/xiaohulugo/PointCloudSegmentation
- 点云中 3D 线检测
  - Lu X, Liu Y, Li K. Fast 3D Line Segment Detection From Unorganized Point Cloud[J]. arXiv preprint arXiv:1901.02532, 2019.
  - 代码：https://github.com/xiaohulugo/3DLineDetection
- 曼哈顿结构化环境的单目 SLAM
  - 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.
👍 澳大利亚机器人视觉中心 Yasir Latif
- 机器人视觉中心
- 团队代表作：SLAM 的过去现在和未来，Meaningful Maps，平面物体路标，Rat SLAM，SeqSLAM
- Yasir Latif：作者主页 谷歌学术
- Lachlan Nicholson：二次平面作为物体SLAM的路标 谷歌学术
- Michael Milford：Rat SLAM，SeqSLAM 谷歌学术
- 论文：
  - 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.
  - Sünderhauf N, Pham T T, Latif Y, et al. Meaningful maps with object-oriented semantic mapping[C]//Intelligent Robots and Systems (IROS), 2017 IEEE/RSJ International Conference on. IEEE, 2017: 5079-5085.
  - Hosseinzadeh M, Li K, Latif Y, et al. Real-Time Monocular Object-Model Aware Sparse SLAM[J]. arXiv preprint arXiv:1809.09149, 2018.实时单目目标-模型感知的稀疏SLAM
  - Hosseinzadeh M, Latif Y, Pham T, et al. Towards Semantic SLAM: Points, Planes and Objects[J]. arXiv preprint arXiv:1804.09111, 2018.基于二次曲面和平面的结构感知SLAM
👍 西班牙马拉加大学博士生：RubénGómezOjeda
- 计算机视觉和移动机器人专业，点线 SLAM；
- 个人主页 谷歌学术 Github
- 代表作：PL-SVO，stvo-pl，pl-slam
👍 法国运输，规划和网络科学与技术研究所博士：Nicolas Antigny
- 主要研究城市环境下单目 SLAM，基于场景和已知物体的大环境增强现实，传感器融合
- researchgate YouTube
👍 三星 AI 实验室（莫斯科）：Alexander Vakhitov
- 点线融合
- 个人主页：https://sites.google.com/site/alexandervakhitov/
- 相关论文：
  - Vakhitov A, Lempitsky V. Learnable Line Segment Descriptor for Visual SLAM[J]. IEEE Access, 2019.
  - Vakhitov A, Lempitsky V, Zheng Y. Stereo relative pose from line and point feature triplets[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 648-663.
  - Pumarola A, Vakhitov A, Agudo A, et al. PL-SLAM: Real-time monocular visual SLAM with points and lines[C]//2017 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2017: 4503-4508.
  - Vakhitov A, Funke J, Moreno-Noguer F. Accurate and linear time pose estimation from points and lines[C]//European Conference on Computer Vision. Springer, Cham, 2016: 583-599.
- Github：https://github.com/alexander-vakhitov
👍 苏黎世联邦理工学院计算机视觉与几何实验室：Prof. Marc Pollefeys
- 三维语义重建、多相机协同 SLAM
- 实验室主页：http://www.cvg.ethz.ch/people/faculty/
- 实验室博士：http://people.inf.ethz.ch/liup/ ， http://people.inf.ethz.ch/sppablo/ ， http://people.inf.ethz.ch/schoepst/publications/ ， https://www.nsavinov.com/ , http://people.inf.ethz.ch/cian/Publications/
👍 香港中文大学机器人、感知与 AI 实验室
- 实验室主页：http://www.ee.cuhk.edu.hk/~qhmeng/research.html
- 动态 SLAM ，医疗服务型机器人
👍 微软高级工程师、苏黎世联邦理工：Johannes L. Schönberger
- 主要研究：基于图像的 3D 建模、 SFM、立体视觉、语义
- 个人主页 谷歌学术
- 主要文章：
👍 美国犹他大学计算机学院：Srikumar Ramalingam
- 主要研究：三维重建、语义分割、视觉 SLAM、图像定位、深度学习
- 个人主页 谷歌学术
- 主要文章：
  - ICRA 2013 Point-plane SLAM for hand-held 3D sensors
  - CVPR 2019 Minimal Solvers for Mini-Loop Closures in 3D Multi-Scan Alignment
👍 德国马克斯普朗克智能系统研究所：Jörg Stückler
- 主要研究：三维感知、深度学习
- 实验室主页 谷歌学术
- 主要文章：
  - 2015:Large-scale direct SLAM with stereo cameras
  - 2019:EM-Fusion: Dynamic Object-Level SLAM with Probabilistic Data Association
👍 麻省理工学院航空航天控制实验室
- 主要研究：飞机，航天器和地面车辆的自动系统和控制设计相关
- 实验室主页
- 主要文章：
  - 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.
  - ICRA 2019：Robust Object-Based SLAM for High-Speed Autonomous Navigation
  - ICRA 2019：Efficient Constellation-Based Map-Merging for Semantic SLAM
  - IJRR 2018：Reliable Graphs for SLAM
  - Resource-aware collaborative SLAM
👍 约翰·霍普金斯大学计算机系博士 Long Qian
- 主要研究：增强现实、医疗机器人
- 个人主页，project
- 主要文章：
  - Long Qian, Anton Deguet, Zerui Wang, Yun-Hui Liu and Peter Kazanzides. Augmented Reality Assisted Instrument Insertion and Tool Manipulation for the First Assistant in Robotic Surgery. 2019 ICRA
👍 佐治亚理工学院机器人与机器智能研究所
- 主要研究：SLAM、机器人导航、受生物启发的机器人运动
- 实验室主页
- 相关博士生：Yipu Zhao

3. 算法、知识点与开源库

☕ 消失点检测 vanishing point detection
- ！！！！论文：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
- https://github.com/ankitdhall/Vanishing-Point-Detector
☕ 曼哈顿世界
- CVPR 2014: A Mixture of Manhattan Frames: Beyond the Manhattan World 开源 MIT Julian Straub
- IROS 2015: Real-time Manhattan World Rotation Estimation in 3D 开源 MIT Julian Straub
- TPAMI 2017: The Manhattan Frame Model-Manhattan World Inference in the Space of Surface Normals 开源 MIT Julian Straub
☕ 倒角匹配
- 代码：https://github.com/s-trinh/Chamfer-Matching
☕ 无穷小平面姿态估计
- 代码：https://github.com/tobycollins/IPPE
☕ 3D 物体识别
- 代码：https://github.com/AmeyaWagh/3D_object_recognition
☕ 实时目标检测 YOLO
- 代码：https://github.com/qixuxiang/real_time_object_detect
☕ ORB-SLAM2 地图保存
- 代码：https://github.com/BoomFan/ORB_SLAM2
- 博客：https://blog.csdn.net/qq_34254510/article/details/79969046
☕ 关注截断面和欧几里得符号随机场的体素建图开源库
- 代码：https://github.com/ethz-asl/voxblox

4. 工具

🔑 3.1 轨迹误差分析工具

苏黎世大学rpg_trajectory_evaluation：https://github.com/uzh-rpg/rpg_trajectory_evaluation
EVO：https://github.com/MichaelGrupp/evo

🔑 3.2 RVIZ 显示不同的可视化图像

Github：https://github.com/PickNikRobotics/rviz_visual_tools
参考资料：https://blog.csdn.net/u013834525/article/details/80447931

🔑 3.3 .obj 文件加载库

Github：https://github.com/syoyo/tinyobjloader

🔑 3.4 .三维点云数据处理库

Github：http://geometryhub.net/bgl

5. 资料

SLAM 最新研究更新 Recent_SLAM_Research ：https://github.com/YiChenCityU/Recent_SLAM_Research
西北工大智能系统实验室 SLAM 培训：https://github.com/zdzhaoyong/SummerCamp2018
SLAMcn：http://www.slamcn.org/index.php/
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
事件相机相关研究与发展：https://github.com/uzh-rpg/event-based_vision_resources
公众号
- 泡泡机器人：paopaorobot_slam

6. 近期论文（持续更新）

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 同一框架
- 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. 传感器融合

[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[J]. 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. 传感器融合

[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. 传感器融合

[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
- **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
- **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

2. 传感器融合

[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

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

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
- 上交邹丹平老师，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
- 上交邹丹平老师，期刊：中科院三区 JCR Q1Q2 IF2.98

2019 年 9 月论文更新（24 篇）

1. Geometric SLAM

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
- **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**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

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. 传感器融合

[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

2. AR/MR 相关

[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
- **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
- **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

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. 传感器融合

[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）

2019 年 3 月论文更新（13 篇）

wuyanminmax@gmail.com

Visual_SLAM_Related_Research

前言

目录

1. 开源代码

😄 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）

😄 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）

😄 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

😄 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

😄 1.5 Dynamic SLAM

1. DynamicSemanticMapping（动态语义建图）

2. DS-SLAM（动态语义 SLAM）

3. Co-Fusion（实时分割与跟踪多物体）

4. DynamicFusion

5. ReFusion（动态场景利用残差三维重建）

6. DynSLAM（室外大规模稠密重建）

😄 1.6 Mapping

1. InfiniTAM（跨平台 CPU 实时重建）

2. BundleFusion

3. KinectFusion

4. ElasticFusion

5. Kintinuous

6. ElasticReconstruction

7. FlashFusion

8. RTAB-Map（激光视觉稠密重建）