作者：iceytan |
本文仅做学术分享，如有侵权，请联系删除。
本文整理参考自[1]及[2]，当然，能力有限，不会将历史上所有的经典文章都摘录下来，主要还是给自己mark着看。
大而全的两个综述
两篇涉及到SLAM中几个不同话题的综述，同时也是本文绝大部分资料的来源
下载网址：
https://ieeexplore.ieee.org/abstract/document/7747236/
这一篇2016 年的综述从（1）Long-Term SLAM 任务中的算法“鲁棒性”和“尺度适应”两方面 （2）地图的表示形式（分别从尺度图与语义图）（3）SLAM的新的理论工具和新传感器在SLAM应用（3）Active SLAM（一种以减少状态估计不确定性为需求的SLAM过程）和（4）有关深度学习在SLAM中的应用 几个方面，先阐述每一个方面的基本挑战和问题，接着指出未来可能的工作方向。在第一部分，该综述简单总结了SLAM的任务和其存在的必要性、研究进展与历史、建模方法（基于滤波和优化）和相关学科支持。
在 SLAM: 现在，未来和鲁棒年代（一）| 翻译 处已经有简单翻译版本。
翻译版本网址：
https://ieeexplore.ieee.org/abstract/document/8025618/
这篇2017年的综述主要通过分析KITTI上排名靠前的算法，介绍了SLAM方法在自动驾驶方面的局限性，然后讨论了如何减轻这些局限性，行文主要包括（1）从基于滤波和基于优化两个方面介绍常用状态估计技术（2）给出近年来的细分主题的综述及相关数据集说明（3）给出已有SLAM方法的介绍及拓展到“自动驾驶”领域引发的“局限”讨论（4）在单体SLAM中提升建图一致性的措施和讨论（5）以“在线集成”及“离线集成”为分类的有关多机SLAM技术的讨论（6）应用于自动驾驶大规模尺度的SLAM介绍以及最后的（7）总结，指出新技术（如深度学习）在SLAM中的应用及指出其他领域（航空）同样开始涉及SLAM技术。
两篇更早期的SLAM问题综述文章，第一部分比较像简单的入门教程，第二部分则是当时较新的方法的简介（2006）：
入门教程网址：
https://ieeexplore.ieee.org/document/1638022
较新的方法的简介（2006）
文章下载地址：
https://ieeexplore.ieee.org/abstract/document/1678144/
对基于滤波方法的SLAM的利与弊讨论（2008）
下载地址：
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.163.6439&rep=rep1&type=pdf
有关“基于滤波”和“基于优化”的方法的比较（2010与2012）：
Real-time monocular SLAM: Why filter?
下载地址：
https://ieeexplore.ieee.org/abstract/document/5509636
Visual SLAM: Why filter?
下载地址：
https://www.sciencedirect.com/science/article/abs/pii/S0262885612000248
都有Gamini Dissanayake参与的，涉及到现代SLAM中 “可观性”、“一致性”、“收敛性”以及计算效率和复杂度的两篇理论探讨文章（2011与2016）：
文章下载地址：
1、https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=6038117
2、https://journals.sagepub.com/doi/full/10.1177/1729881416669482
涉及到“基于视觉的地点重定位”的调研（2016），主要介绍“重定位”问题中的 图像处理（特征和描述符）、地图表示和置信度估计：
文章下载地址：
https://ieeexplore.ieee.org/abstract/document/7339473/
涉及到“多机器人SLAM”的调研（2016）：
文章下载地址：
https://onlinelibrary.wiley.com/doi/abs/10.1002/rob.21620
参考：
1.^Past, present, and future of simultaneous localization and mapping: Toward the robust-perception age.
2.^Simultaneous localization and mapping: A survey of current trends in autonomous driving
▲长按关注公众号
