本文综述多模态融合研究进展，涵盖可见光与红外图像融合、LiDAR辅助多相机3D检测、图像融合与分割双任务、神经场单目建图与SLAM结合、多模态3D语义分割、热像融合鲁棒性增强、3D表示学习改进、3D目标跟踪、图像与点云自动对齐，以及无需训练的外参校准算法。

该文综述了相机标定与三维姿态估计的多项研究，包括联合焦距与姿态估计、无目标外参校准、神经几何解析器、自监督GLNet、字典校准、实时自监督内外参学习、SIFT基础矩阵估计、街景交通摄像头校准、概率融合框架及全局平移线性估计，并在多个数据集上优于现有方法。