Arxiv链接：https://arxiv.org/abs/2304.09793
Github 链接：https://github.com/kun150kun/ESLAM-survey
视觉SLAM (vSLAM)是指移动机器人通过相机感知外部世界并估计机器人的位姿和重建周围环境的三维地图。vSLAM在各种应用中扮演着不可或缺的角色，包括自动驾驶，机器人导航和增强现实。例如，在机器人导航里，vSLAM能够提供环境信息和机器人的位置来帮助它到达指定的地点。vSLAM通常利用传统的RGB相机获取图片信息。然而传统的相机局限于低动态感光范围和运动中产生的动态模糊，而无法在复杂的场景下得到精准的位姿估计和三维重建结果。近年来，基于一种新的仿生相机，即事件相机，相应的vSLAM算法被相继提出。该类方法利用事件相机的高帧率、高动态感光范围、低能耗、低延迟等特性在一些复杂的场景下也能得到了非常优异的结果。
本综述综合性地概述了基于事件相机的vSLAM研究进展，同时也包含了事件相机的工作原理和事件数据的预处理和表征形式。我们将主流的算法分为四大类，即特征法、直接法 、运动补偿法和基于深度学习的方法。在每个类别中，我们对相应的算法框架、突出贡献、优势和局限性都进行了充分的论述。另外，本文还整合了包含事件相机及多模态的诸多vSLAM的数据集，并在典型的数据集上对具有代表性的方法进行了系统的结果评估，也同时讨论了不同方法各自适用的场景。最后，我们讨论了目前基于事件相机的vSLAM存在的挑战以及未来可能的研究方向。
