1、最早的特征点法，并把定位与跟踪分为两个线程是PTAM(Parallel Tracking and Mapping for Small AR Workspaces)

可以说是特征点法SLAM的起源之一。

论文：http://www.robots.ox.ac.uk/~gk/publications/KleinMurray2007ISMAR.pdf

代码：https://github.com/cggos/ptam_cg

主页：http://www.robots.ox.ac.uk/~gk/PTAM/

论文解读博客：https://blog.csdn.net/u011178262/article/details/79315782

2、ORB_SALM在PTAN的基础上，将跟踪，建图，闭环检测，界面显示分为四个单独的线程进行。是目前最优秀的特征点法SLAM系统之一，当然后续也有很多的改进。

论文+代码：https://github.com/raulmur/ORB_SLAM2

3、由于原始的ORB_SLAM没有地图保存与加载功能，因此考虑添加此功能，实现地图的重复使用

博客：https://blog.csdn.net/qq_34254510/article/details/79969046

代码：https://github.com/BoomFan/ORB_SLAM2

此代码在ORB_SLAM的基础上添加了地图加载，与保存，可以实现重定位。效果非常棒，TUM数据集上可以运行，实际环境需要根据自己的相机配置一下，也是可以使用的.。

4、稀疏地图看起来效果不是那么直观，因此一种基于ORB_SLAM的半稠密地图构建出现了

论文：Probabilistic Semi Dense Mapping from Highly Accurate Feature-Based Method Monocular SLAM

博客：https://blog.csdn.net/heyijia0327/article/details/52464278

代码：https://github.com/HeYijia/ORB_SLAM2

看起来效果还是不错的，可是自己实现的时候好像并没有那么好的效果，有点不解。

5、由于ORB_SLAM2中添加了RGBD相机，因此可以考虑进行稠密场景的三维重建，下面是高博的博客与修改的代码

代码：https://github.com/gaoxiang12/ORBSLAM2_with_pointcloud_map

博客+kinectV2：https://www.cnblogs.com/gaoxiang12/p/5161223.html

博客+Xtion：https://blog.csdn.net/aptx704610875/article/details/51490201

这个效果还是很不错的，数据集上，实际设备均有效。主要就是pointcloudmapping.cc和pointcloudmapping.h这两个文件，可以试着自己根据ORB_SLAM2移植一下，还是很简单的。

6：还是高博修改的代码，结合SVO和ORB_SLAM2，跟踪速度输原来的3倍左右

代码：https://github.com/gaoxiang12/ORB-YGZ-SLAM

7、将ORB_SLAM加上IMU传感器，可以增强系统的稳定性，即VIORB(Visual-Inertial Monocular SLAM with Map Reuse)

论文：https://arxiv.org/pdf/1610.05949.pdf

代码：https://github.com/jingpang/LearnVIORB

此代码不是论文作者写的，原文并没有开源。该代码效果很不错，但是实时性略欠。高博也在ORB_SLAM的基础上开发了一个

立体的惯导SLAM，效果很不错，速度很快，模块化很强。

代码：https://github.com/gaoxiang12/ygz-stereo-inertial

8、针对于场景中的动态物体，为了消除动态物体的影响，DS-SLAM在ORB_SLAM的基础上进行了改进

论文：https://arxiv.org/vc/arxiv/papers/1809/1809.08379v1.pdf

博客：https://blog.csdn.net/pikachu_777/article/details/86479564

代码：https://github.com/ivipsourcecode/DS-SLAM

主要采用segNet和运动一致性进行动态特征检测。消除动态物体的影响，并构建稠密地图与八叉树地图

9、针对于场景中的动态物体，为了消除动态物体的影响，dynaSLAM在ORB_SLAM的基础上进行了改进

论文：https://arxiv.org/pdf/1806.05620.pdf

主页：https://bertabescos.github.io/DynaSLAM/

代码：https://github.com/BertaBescos/DynaSLAM

主要采用多视角几何与Mask_RCNN进行动态物体影响的消除，并构建静态地图。

10、一个功能十分完善的ORB_SLAM系统

代码：https://github.com/Ewenwan/ORB_SLAM2_SSD_Semantic

编译过程：https://github.com/Ewenwan/ORB_SLAM2_SSD_Semantic/issues/1

定位，建图，动态场景识别，稠密点云地图。八叉树地图，功能非常齐全了，自己编译后使用数据集测试，效果很不错！

11、结合ORB_SLAM和DSO的半直接松耦合SLAM

论文+代码：https://github.com/sunghoon031/LCSD_SLAM

DSO边缘化的关键帧作为特征点模块的入口，进行ORB_SLAM算法的系列操作。

12、采用深度学习提取ORB特征点，使得稳定性更强。

论文：https://arxiv.org/pdf/1902.11046.pdf

代码：https://github.com/jiexiong2016/GCNv2_SLAM