研究了用于室内测绘的商用廉价无人机(DJI Tello)的实时功能，旨在评估其在紧急情况下快速测绘的适用性。所提出的解决方案仅在输入中使用图像，集成了基于SLAM和基于卷积神经网络的单图像深度估计 (SIDE) 算法来加密和缩放数据，并提供适合实时探索的环境地图。

提出了一种新颖的地图表示方法，结合三维特征去除噪声并构建具有不同高度的网格地图，通过检测不同高度网格区域的边缘来提高选择后续着陆区域的速度和准确性。作为一种视觉着陆技术，本文通过场景重建完整性和着陆位置安全性两个任务评估了所提出的算法。...

提出了一种新的无人机SLAM系统SupSLAM，它与立体相机和惯性测量单元配合使用。同时，使用了新的特征提取方法SuperPoint，其中包括一个预训练的深度神经网络来检测关键点以进行估计。该方法不仅特征提取准确，计算效率高，适用于无人机。

GPS信号通常在桥附近或桥下的环境中被拒绝，这使得无人机在这些区域的手动操作变得困难且不可靠。提出了一种基于分层图的SLAM方法，用于使用飞行器进行全自动桥梁检查。最终，分别在陆地和海面两种不同类型的桥梁上验证了所提出方法的可行性。

提出一种新特征提取方法SuperPoint，包括一个预先训练的深度神经网络检测用于估计的关键点。该方法特征提取准确，在计算方面也很有效。适用于无人机SLAM，在大多数数据集中性能可媲美最先进的方法，在具有挑战性的条件下效果更好。

无人机技术的快速发展提升了不同时空尺度上高效获取高分辨率数据的可能性。提出了一种基于SLAM的LiDAR系统“Hovermap”，通过横跨布里比岛沿海一段沙丘的实验发现，无人机LiDAR适用于在微时空尺度上检测和评估沿海沙丘形态的变化。

介绍了一种基于图像拼接技术的新型视觉SLAM系统，采用图像拼接技术克服了当前方法在复杂性和内存要求方面的局限性，可以将无人机定位在未知路径中并应对地标的修改。通过对无人机在不同环境中捕获的图像数据集进行多次实验，验证方法的有效性

提出了一个集成系统，可以在密集树冠环境中完成大规模自主飞行和实时语义映射任务。系统从LiDAR数据中检测和建模树干及地平面，利用多级规划和映射框架进行自主导航。漂移补偿机制使用语义SLAM输出实时最小化测程漂移，保持规划器的最佳性和控制器的稳定性。

介绍了一种用于创建建筑内部SLAM的低成本无人机，所采用SLAM旨在通过图形优化将室内空间与平面结构映射。它执行闭环检测和校正，以识别以前访问过的地方，并校正随时间累积的漂移。结果表明所采用的微型无人机与基于多层激光雷达的无人机性能相当。

为了研究无人机在室内畜牧和农业环境中的定位，比较了两种VSLAM——LSD-SLAM和ORB-SLAM。通过在温室和奶牛场谷仓进行多次实验，发现最适合这些工作区的方法是 ORB-SLAM。结果表明植物和牛的监测可以从成本可控的现有无人机技术中获益。