近几年主流的slam技术有哪些

近年来，SLAM技术取得了很大的发展，以下是几种主流的SLAM技术：

1. 视觉SLAM：通过相机图像获取场景信息，进行实时定位和建图。

2. 激光SLAM：使用激光雷达获取场景信息，实现定位和建图。

3. RGB-D SLAM：结合RGB图像和深度信息，实现实时定位和建图。

4. 多传感器融合SLAM：结合多个传感器，如相机、激光雷达、IMU等，实现更加精确的定位和建图。

5. 基于图像语义的SLAM：结合深度学习技术，通过对场景中物体的语义理解，实现更加鲁棒的定位和建图。

以上是目前较为主流的几种SLAM技术，不同的应用场景和需求，选择不同的技术可以达到更好的效果。

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。