摘要：cuVSLAM是NVIDIA开发的GPU加速视觉SLAM系统，支持单目、双目、RGB-D、视觉惯性及多相机配置。该系统采用前后端分离架构，前端实现低延迟位姿估计，后端负责全局优化。创新性地将多相机系统建模为视场重叠图，自动判断跨相机跟踪关系。通过CUDA加速特征处理、稀疏BA等模块，在Jetson边缘设备上实现实时性能。实验表明，该系统在KITTI等数据集上表现优异，多相机配置显著提升弱纹理

DSO 经典的地方不在于它“第一次做了直接法”，而在于它把直接法系统化、BA 化、工程化了。它证明了一件事：直接法不一定要稠密，也不一定要依赖深度平滑先验。只要点选得好、光度模型足够准确、优化结构设计合理，稀疏直接法也可以做到实时、高精度和高鲁棒性。DSO 对后续工作的影响主要有三点。第一，它让光度误差成为 SLAM 后端中的一类标准残差。后来的很多 VIO、RGB-D、LiDAR-Visual

摘要： 论文《Trick-GS: A Balanced Bag of Tricks for Efficient Gaussian Splatting》提出了一种高效优化3D高斯泼溅（3DGS）的方法，通过组合多种已验证策略，在模型压缩、训练速度和渲染效率之间取得平衡。Trick-GS采用渐进式训练（分辨率、模糊、尺度）、基于体积和显著性的高斯剪枝、球谐函数（SH）掩码等技术，显著降低了模型存储（最

《iG-LIO：基于增量GICP的激光-惯性紧耦合里程计》提出了一种高效稳健的LiDAR-惯性里程计系统。该研究通过三个关键技术改进现有方法：1) 将GICP配准约束与IMU测量通过最大后验估计紧耦合；2) 设计体素化表面协方差估计器(VSCE)实现O(1)复杂度查询；3) 采用增量体素地图实现动态环境建模。实验表明，iG-LIO在NCLT等6个数据集上保持相同参数时，比Faster-LIO快1.

Voxel-SLAM是一种基于激光雷达和IMU的完整SLAM系统，具有以下创新点：1) 采用统一的自适应体素地图表示，覆盖初始化、里程计、局部建图、闭环和全局建图全过程；2) 提出鲁棒的初始化方法，可在动态初始状态下工作；3) 利用短期、中期、长期和多地图四种数据关联，实现高精度定位与建图；4) 引入高效的局部光束平差和全局层次优化方法。系统在室内、户外和城市等多种场景的30个数据序列上验证了其优

本文介绍了一个开源项目"awesome-3DGS-SLAM-and-Datasets"，旨在解决3D高斯泼溅(3DGS)SLAM领域文献快速增长带来的管理难题。该项目采用结构化YAML文件存储论文和数据集信息，通过自动化脚本生成README和交互式网页，支持按多种条件检索文献。核心功能包括：论文分类展示、数据集归纳、代码链接收集、本地实验记录、自动查重等。项目采用公开与私有数据

LaTeX是一款高效的排版工具，搭配VSCode可提升写作效率。安装时注意：Windows中文用户名需改为英文，避免报错。VSCode配置需禁用自动编译功能，防止频繁生成中间文件占用磁盘。推荐学习资源包括知乎和CSDN上的LaTeX入门指南，以及Overleaf的文档定位技巧。使用中需定期清理VSCode缓存路径（如WebStorage文件夹）以释放空间。注意图片浮动选项避免"H&quo

如今，深度学习已经成为一个像编程语言一样基础且重要的工具，是每一个研发工作者绕不过的必备技能，对于科研来说仅仅了解和会使用似乎变得远远不够。不管是处于想把深度学习学好以给自己的论文赋能亦或是学一个找工作的傍身技能的想法，我也决定将这个技能树点起来。学习一项技能最好的时机是入学前，其次就是现在，抓紧时间补补基础吧。为什么选择Transformer是因为这是我认知范围内用的最多最好的模型了，是最可能为

文章摘要： LocalParameterization和Manifold是Ceres优化库中处理流形约束和过参数化问题的核心机制。它们通过定义参数空间的局部变化规则，解决旋转表示（如四元数）等特殊参数的优化问题。LocalParameterization已被Manifold接口取代，但核心思想一致。关键点包括：1) Plus和Minus操作实现流形上的安全更新；2) 内置多种流形类型（四元数、球面

《ASingleCorrespondenceIsEnough:RobustGlobalRegistrationtoAvoidDegeneracyinUrbanEnvironments》由HyungtaeLim等人提出，针对城市环境中的点云全局配准问题，特别是在退化场景下的鲁棒性。文章提出了一种名为QUATRO的方法，通过解耦旋转和平移的估计，简化了计算复杂度。利用平移不变测量（TIMs）消除平移对