SLAM主要论文方向、会议、研究机构、开源项目

主要方向

1、VO/VIO（组合导航定位）
2、与深度学习结合，做估计位姿，用来做闭环检测（场景的再识别）
3、语义SLAM/语义地图
4、激光SLAM
5、水下SLAM
6、数据关联
7、光度矫正
8、仿生slam（偏振光）
9、事件相机
10、场景识别
11、基于线/面特征的SLAM

主要会议

ICRA ,全名是IEEE International Conference on Robotics and Automation
ICCV,全名是 IEEE International Conference on Computer Vision
CVPR,全名是IEEE Conference on Computer Vision and Pattern Recognition

SLAM的主要研究实验室：

1.苏黎世联邦理工学院的Autonomous System Lab，该实验室在tango项目上与谷歌合作，负责视觉惯导的里程计，基于视觉的定位和深度重建算法。

2.明尼苏达大学的Multiple Autonomous Robotic Systems Laboratory，主要研究四轴飞行器导航，合作建图，基于地图的定位，半稠密地图创建等。

3.慕尼黑理工大学的The Computer Vision Group，主要研究基于图像的3-D重建，机器人视觉，视觉SLAM等。

主要开源项目

方案名称	传感器形式	地址
MonoSLAM（2007）	单目	https://github.com/hanmekim/SceneLib2
PTAM（2007）	单目	http://www.robots.ox.ac.uk/~gk/PTAM/
ORB-SLAM （2015）	基于特征点法 稀疏地图 单目 双目 RGBD	https://github.com/raulmur/ORB_SLAM2
LSD-SLAM（2014）	基于直接法 稀疏地图 单目	https://github.com/tum-vision/lsd_slam
DTAM	RGB-D	https://github.com/anuranbaka/OpenDTAM
DVO	RGB-D	https://github.com/tum-vision/dvo_slam
DSO（2016）	单目 直接法 稀疏地图	https://github.com/JakobEngel/dso
RTAB-Map		https://github.com/introlab/rtabmap http://wiki.ros.org/rtabmap_ros/Tutorials/HandHeldMapping
RGBD-SLAM-V2	RGB-D	https://github.com/felixendres/rgbdslam_v2
Elastic Fusion	RGB-D	https://github.com/mp3guy/ElasticFusion