1.Convergence and Consistency Analysis for a 3-D Invariant-EKF SLAM（泛读）（ICRA2017）引用 9
摘要翻译： 在这篇文章中，我们调查了基于RIekf的SLAM算法的收敛性和一致性属性。这个算法的基础收敛属性已经得到了证实。这些证据不需要限制性的假设运动和观测的雅克比模型需要被真值所评价。相比起SO3-ekf仅仅再确定刚体变换下不变，RIEKF的输出在随机刚体变换下仍然不变。估计一致性的不变属性的影响也被讨论到了。蒙特卡洛模拟的结果表明不变性对于估计准确率有着很大的影响，RIEKF优于那些基于3D特征点的slam。
这个论文在我看来更类似于综述性质的文章，核心思想是 由于RIEKF相比其他滤波器有更好的随机刚体不变的性质，因此再收敛性和一致性分析后，认为由优于其他的滤波算法。
2.Illumination Change Robustness in Direct Visual SLAM（泛读）（ICRA2017）引用 1
摘要翻译： 直接视觉里程计和slam算法决定相机的位姿通过直接图像对齐的方法。它优化了基于Lucas-Kanade方法的光度代价项。许多最近的工作在校准代价公式中使用了广度不变的假设，因此无法应对重大的广度改变。这种改变特别容易在回环中发生。存在更多把图像更稳定的匹配的尝试。我们这边文章对于实时性方法提出了系统的评价。我们再真实图片和合成数据集上。使用模拟的光度差，在里程计和回环的背景下定义了他们的准确度和稳健程度。我们发现对于真实图片，一个以数据为基础的方法优于其他的方法，并且将我们的数据集在线提供。 （a）近来不少工作用直接法，并且处理异常光照导致的光度值变化。过大的光度变化发生，系统就会失败。应用中对于光照抗干扰是很有必要的，因此，本文提出评估体系用于实时性和稳健性。 （b）扩充了一个数据集，存在有全局和局部的光照改变。
3.Keyframe-based Dense Planar SLAM（ICRA2017 引用量6）
本文提出了一种基于关键帧的密集平面slam系统，利用手持rgb-d传感器实时重建大型室内环境。我们的基于关键帧的方法应用快速密集方法来估计里程，融合小基线图像的深度测量，从融合深度图中提取平面，并使用增量平滑和映射（isam）优化全局因子图中关键帧和地标平面的姿势。使用快速的里程估计，可以在投影上找到正确的平面对应，并且即使没有足够的平面来完全约束6自由度变换，也可以精确地估计每个帧的姿态。由局部融合过程生成的深度图通过消除噪声产生更高质量的重建和平面分割。此外，在完全概率全局优化中显式地建模平面地标显著地减少了困扰其他稠密slam算法的漂移。我们在标准的rgb-d基准以及附加的室内环境上测试我们的系统，性能较好。
工作点 （1）应用关键帧框架，不用对每一帧进行优化，实时性提升以至于在CPU（30fps）上面可以跑（关键帧技术不是老早就有了吗，不过论文强调了它是第一个能在CPU独立跑并且效果理想的） （2）设计快速的稠密里程计算法依靠平面结构和已有的视觉里程计方法概念。
