本文提出了一种新的在线联合估计方法，用于在未知介质中执行视觉惯性测量。该方法解决了现有方法对折射指数的依赖问题，并在水下机器人数据验证中取得了良好的测量性能。

本文介绍了一种使用廉价的RGB-D相机对透明物体进行重建的方法，通过单目物体分割和深度补全网络预测透明物体的深度，并使用基于极线引导的光流将多个单视图形状先验信息融合到一个跨视图一致的3D重建中。实验结果表明，该方法在3D重建质量上优于基准方法。

该研究提出了一种名为MS-NeRF的多空间神经辐射场方法，以增强现有NeRF方法对反射和折射性物体的理解。结果表明，该方法比现有的单空间NeRF方法在渲染复杂光路的镜像对象的高质量场景方面表现显著优于现有的单空间NeRF方法。

该研究提出了一种名为MS-NeRF的多空间神经辐射场方法，以更好地理解神经网络对具有反射和折射性物体的存在的情况，从而实现了对现有 NeRF 方法的增强。研究结果表明，该方法比现有的单空间 NeRF 方法在渲染复杂光路的镜像对象的高质量场景方面表现显著优于现有的单空间 NeRF 方法。

该研究提出了一种名为MS-NeRF的多空间神经辐射场方法，以更好地理解神经网络对具有反射和折射性物体的存在的情况，从而实现了对现有 NeRF 方法的增强。研究结果表明，该方法比现有的单空间 NeRF 方法在渲染复杂光路的镜像对象的高质量场景方面表现显著优于现有的单空间 NeRF 方法。

该研究提出了一种名为MS-NeRF的多空间神经辐射场方法，以增强对具有反射和折射性物体的场景的理解。该方法比现有的单空间NeRF方法在渲染复杂光路的镜像对象的高质量场景方面表现更好。