LCP-Fusion：一种具有增强局部约束和可计算先验的神经隐式SLAM
原文中文，约500字，阅读约需2分钟。发表于：。本研究解决了现有神经隐式SLAM方法在已知场景边界或潜在环闭区域漂移时重建不一致的问题。提出的LCP-Fusion系统利用稀疏体素八叉树结构和视觉重叠的滑动窗口选择策略，增强局部约束，提高了地图构建和跟踪的可扩展性和鲁棒性。实验表明，该方法在定位精度和重建一致性方面优于现有的RGB-D隐式SLAM，尤其在复杂场景中表现突出。
PIN-SLAM 系统提出了一种基于弹性和紧凑的隐式神经地图表示的 SLAM 方法，通过增量学习和位姿估计实现全局一致地图。该系统在多种环境中表现出良好的鲁棒性，适用于多种传感器，并在位姿估计精度上优于现有方法，能够实时运行。
