SLAM現在可做的有幾點：

1. 用CNN產生深度圖，並用SLAM產生的位姿變換矩陣將上一幀的深度圖變換為該幀的深度圖，將此種方法生成的深度圖和CNN直接產生的該幀深度圖做比較。

2. 解決單目SLAM在場景深度突變時尺度不準的問題。可根據影片流中歷史幀的資訊來判斷。

------------------BY-------------------

1. CNN-SLAM 平面檢測、SLAM和CNN融合

2. Unsupervised Learning of Depth and Ego-Motion from Video 修改一下框架和內容

3. 用Faster R-CNN 檢測動態物體，並在靜態場景重建時剔除。

4. 語義SLAM：先用語義分割檢測到物體，再用SLAM進行三維資料標註。

5. 研三學長：稠密地圖中加定位。

6. XF：用DL提取特徵點（有不少paper），並進行幀間匹配。

7. XF：給特徵點加上語義資訊，提高匹配準確性和成功率。

8. XF：借RNN利用影片流的歷史資訊，RNN有兩個變種。目前如何定義輸入是個問題。

9. XF：有contribution的一個方向。