开源视觉、视觉惯性与多地图 SLAM 库，支持单目、双目、RGB-D 相机，在室内外场景提供高精度实时定位与建图。
面向 AR/VR 的视觉惯性 SLAM 工具箱与基准测试，提供可直接运行的 VIO/SLAM 实现和评测流程，方便对比算法效果。
港大开源的基于事件相机的视觉里程计、视觉惯性里程计与SLAM数据集，为事件相机在机器人和SLAM研究中的算法评测提供标准化数据。
开源视觉惯性导航研究平台，提供 MSCKF 与 EKF 定位、传感器标定和 VIO 算法实现，方便机器人研究者做 SLAM 与状态估计实验。
基于视觉惯性里程计的实时 SLAM 系统，能在 CPU 上完成定位、建图并生成三维网格，适合机器人与状态估计场景。
紧耦合的稀疏直接法激光雷达-惯性-视觉里程计，为机器人和自动驾驶提供快速、高精度的实时位姿估计与三维建图。
以惯性导航为核心的实时 GNSS-视觉-惯性融合定位系统，在 GNSS 信号遮挡或退化场景下仍能保持稳健的位姿估计，适合城市峡谷和户外机器人导航。
紧耦合多传感器融合 SLAM 框架，在传感器退化与时空扰动下仍能稳定运行，适合机器人和自动驾驶的定位建图。
面向动态环境的视觉惯性 SLAM 系统，能在场景中存在移动物体时稳定完成定位与建图，适合机器人在人群或杂乱环境中使用。
SuperVINS 是面向弱光、低纹理等恶劣成像条件的实时视觉惯性 SLAM 框架，把深度学习特征点融入传统 VINS 流程，提升跟踪鲁棒性。
一份面向 2026 年的视觉 SLAM 学习路线图，把计算机视觉、深度学习、RGB-D、VIO 等知识按阶段串成清晰的学习路径，帮新手系统入门并成长为视觉 SLAM 开发者。