近几年主流的slam技术有哪些

近年来，SLAM技术得到了很大的发展和应用，主流的SLAM技术包括：

1. 视觉SLAM：基于单目、双目、RGB-D或者多摄像头的视觉传感器，通过视觉信息进行定位和建图。

2. 激光SLAM：基于激光雷达的扫描数据进行定位和建图，包括2D激光雷达和3D激光雷达。

3. 惯性导航SLAM：基于IMU（惯性测量单元）和其他传感器（如GPS）进行定位和建图。

4. 超声波SLAM：基于超声波传感器进行定位和建图，常用于室内环境。

5. 触觉SLAM：基于触觉传感器进行定位和建图，常用于机器人手臂的操作和控制。

6. 气体SLAM：基于气体传感器进行定位和建图，常用于环境监测和应急救援。

以上是目前比较主流的SLAM技术，每种技术都有其适用的场景和特点。

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。