近几年主流的slam技术有哪些

近年来，主流的SLAM技术主要包括以下几种：

1. 视觉SLAM（Visual SLAM）：利用摄像头采集的图像信息实现定位和建图，例如ORB-SLAM、LSD-SLAM、SVO等。

2. 激光SLAM（Lidar SLAM）：利用激光雷达采集的点云数据实现定位和建图，例如LOAM、LeGO-LOAM等。

3. 深度学习SLAM（Deep Learning SLAM）：利用深度学习技术实现SLAM，例如DeepVO、DeepTIO等。

4. 多传感器融合SLAM（Multi-sensor Fusion SLAM）：利用多种传感器如摄像头、激光雷达、IMU等信息进行融合实现定位和建图，例如MSCKF、VINS-Mono等。

5. 语义SLAM（Semantic SLAM）：在传统SLAM的基础上，加入语义信息，实现更加智能化的定位和建图，例如ORB-SLAM2 with Semantic Segmentation、LSD-SLAM with Semantic Segmentation等。

相关问题

近三年内，激光slam有哪些新的框架提出

近三年内，激光SLAM领域出现了许多新的框架，例如：LIO-SAM、LIO-Mapping、LeGO-LOAM、Laser-SLAM、Laser-SLAM2、Laser-SLAM3等等。这些框架都在不同程度上提高了激光SLAM的精度和效率。

基于RGBD的slam框架有哪些

常见的基于RGBD的SLAM框架包括：

1. ORB-SLAM2：基于特征点的SLAM框架，使用ORB特征点和深度信息进行视觉里程计和地图构建。

2. ElasticFusion：一种实时的RGB-D SLAM系统，使用稠密地图表示场景，并采用弹性变形优化算法来处理环路闭合。

3. DSO：一种基于直接法的RGB-D SLAM系统，使用光流约束来优化位姿估计和地图构建。

4. LDSO：基于深度学习的RGB-D SLAM系统，使用卷积神经网络来估计相机位姿和深度信息，并使用稀疏地图来表示场景。

5. VINS-Mono：一种基于多传感器融合的SLAM框架，使用IMU和单目相机来进行视觉惯性里程计和地图构建。

6. ROVIO：一种基于视觉惯性里程计的RGB-D SLAM系统，使用IMU和单目相机来估计相机位姿和深度信息，并使用稀疏地图表示场景。