論文圖庫｜SLAM 點雲圖鑑

目前收錄 252 張圖，來自 69 篇文獻。圖的作用是幫助理解原文的方法與實驗設定，不是本站的研究結果。

收錄規則

只轉載原作者以下列開放授權釋出的圖：創用 CC（Creative Commons）的姓名標示（CC BY）、姓名標示相同方式分享（CC BY-SA）、姓名標示非商業性（CC BY-NC）、姓名標示非商業性相同方式分享（CC BY-NC-SA），CC0 公眾領域貢獻宣告，以及已屬公眾領域（public domain）的圖。出版社保有著作權的圖，以及 arXiv 預印本僅授予 arXiv 非專屬散布授權（non-exclusive license to distribute）的圖，一律不轉載；相關內容只以文字描述並引用原文。

圖的內容未經修改，只做縮小尺寸與格式轉換。若來源頁面（例如 arXiv 的 HTML 版）把原文圖的子圖存成獨立圖檔，本站轉載的是該子圖圖檔，而不是整張原圖。本站的處理方式與張數如下，每張圖也逐一標示：

縮小至寬度不超過 1400 px，並轉換為 WebP 格式：129 張
僅轉換為 WebP 格式：123 張

圖下的中文說明由本站撰寫，描述圖中呈現的內容。圖中的數值、曲線與比較都是原作者報告的結果，本站未重新量測，也不跨文獻比較這些數值。再利用這些圖時，請依原授權條件辦理並引用原文；非商業性（NC）授權的圖不得用於商業用途。

授權分布

CC BY 4.0（授權條款，另開新視窗）姓名標示200 張
CC BY-SA 4.0（授權條款，另開新視窗）姓名標示，相同方式分享7 張
CC BY-NC 4.0（授權條款，另開新視窗）姓名標示，非商業性8 張
CC BY-NC-SA 4.0（授權條款，另開新視窗）姓名標示，非商業性，相同方式分享34 張
CC0 1.0（授權條款，另開新視窗）公眾領域貢獻宣告3 張

圖庫

系統流程圖：RGB 全景分割、FAST-LIO2 里程計與標籤轉移、語意感知 TSDF 融合與網格化
(Affan et al., 2026, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
本方法在 Oxford Spires（Christ Church College）重建的網格，可與 ImMesh、Voxblox 對照
(Affan et al., 2026, Fig. 3(c))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
本方法在 NTU VIRAL（NYA01）重建的網格，作者標註完整度較高的區域
(Affan et al., 2026, Fig. 4(c))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
NTU VIRAL 重建的幾何不確定度分布，集中於深度不連續與高曲率處
(Affan et al., 2026, Fig. 5(a))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
腿式機器人（黑圈處）在四棟相連住宅施工現場建立的 S-Graph+：(a) 四層可最佳化圖的三維視圖，放大處為房間分割所用的自由空間群集；(b) 同一圖的俯視圖
(Bavle et al., 2023, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
S-Graphs+ 系統架構：LiDAR 與里程計輸入、牆面、房間、樓層分割與迴圈閉合前端，以及四層因子圖後端
(Bavle et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
施工現場地下室序列 C4F0 由 S-Graphs+ 估計的地圖俯視圖（原圖另含 HDL-SLAM、ALOAM、FLOAM 比較）
(Bavle et al., 2023, Fig. 4 (a))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
施工現場序列 C2F0 由 S-Graphs+ 建立的點雲地圖（原圖另含 S-Graphs 對照）
(Bavle et al., 2023, Fig. 5 (a))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
VBR Spagna 序列的三維重建：上為 LiDAR 版、下為深度網路版，黑線為估計軌跡，不同顏色代表不同子地圖
(Boche et al., 2025, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
EuRoC V1_02 重建網格以網格到點誤差著色，比較 OKVIS2-X 深度版與 SimpleMapping
(Boche et al., 2025, Fig. 7)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
由體積子地圖產生的三維重建，左為學習式深度、右為 LiDAR，上排 Hilti exp06、下排 VBR Ciampino0
(Boche et al., 2025, Fig. 9)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
VBR Campus1 所有子地圖疊合的重建與加入 GNSS 的即時軌跡，標示 GNSS 可用與中斷區段
(Boche et al., 2025, Fig. 10)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
增量式 k-d 樹插入新點與局部重新平衡的立體示意
(Cai et al., 2021, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
樹上降採樣前後的點雲對照
(Cai et al., 2021, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
FAST-LIO 中 ikd-Tree 與靜態 k-d 樹融合一筆新掃描的時間、時間分解與平衡指標
(Cai et al., 2021, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
香港大學本部大樓 100 Hz 建圖成果與 LiDAR 軌跡
(Cai et al., 2021, Fig. 7)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
系統方塊圖：IMU 過程模型與腿部里程計在控制電腦即時執行，視覺里程計與 LiDAR 配準在感知電腦執行後回饋修正
(Camurri et al., 2020, Figure 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Atlas 在 DRC 決賽資料上的 AICP 表現：上方為 206 片點雲對齊結果的上視圖，左為含人群的原始點雲，右為濾除後點雲；下方比較未套用修正時閥門在各片點雲中位置不一致，以及定位成功後估測一致的結果
(Camurri et al., 2020, Figure 7)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
HyQ 室內重複性測試、室外昏暗工業區探索測試，以及不同感測組合估測軌跡的比較
(Camurri et al., 2020, Figure 9)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
ANYmal 在消防訓練場的實驗：場景照片、機上相機畫面（水面反光），以及估測軌跡與真值比較
(Camurri et al., 2020, Figure 12)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
整體巡檢流程：多模態資料蒐集、軌跡與地圖生成、影像缺陷偵測，到地圖標註與缺陷量化
(Charron et al., 2026, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
三種巡檢載具：手持裝置（背包放電腦與電池）、Clearpath Husky 地面無人車與無人水面載具，均搭載相同的感測基礎模組
(Charron et al., 2026, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
以垂直光達（vertical lidar）生成的巡檢點雲：上排為停車場、下排為橋梁，左為平面圖、右為斜視圖
(Charron et al., 2026, Fig. 10)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
橋梁所有缺陷標註以不同顏色疊合在完整點雲地圖上
(Charron et al., 2026, Fig. 18)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
以 SuMa++ 只用 LiDAR 掃描建立的 KITTI 語意面元地圖，面元顏色代表語意類別
(Chen et al., 2019, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
系統流程圖：RangeNet++ 語意分割、多類別洪水填充修正、語意動態過濾與語意 ICP 嵌入 SuMa
(Chen et al., 2019, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
動態過濾效果比較中 SuMa++ 的面元地圖，移動車輛被移除而停放車輛保留
(Chen et al., 2019, Fig. 4 (panel b))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
KITTI 公路序列中 SuMa++ 的點雲地圖，點色代表首次觀測時間，交通標誌一致對齊
(Chen et al., 2019, Fig. 6 (panel b))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
迴圈位置兩次掃描（藍、橙點）在不同相對轉換下的重疊示意。
(Chen et al., 2020, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
OverlapNet 流程：由單次掃描產生距離、法向量、強度與語意影像，經共享權重的雙腿與兩個輸出頭預測重疊率與偏航角。
(Chen et al., 2020, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Delta 層以串接與轉置計算兩組特徵體所有像素差值的示意。
(Chen et al., 2020, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
CT-ICP 軌跡參數化示意：每次掃描以起訖兩位姿內插，相鄰掃描之間允許不連續
(Dellenbach et al., 2022, Fig. 1 (bottom))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
單次 LiDAR 掃描依各點時間戳記著色，經掃描起點與終點兩個位姿之間的彈性變形後對齊白色地圖點；下方軌跡示意見下一筆
(Dellenbach et al., 2022, Fig. 1 (top))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
CT-ICP 在 NCLT、KITTI-CARLA、Newer College 與 ParisLuco 產生的累積點雲；連結為 Newer College 手持資料的子圖
(Dellenbach et al., 2022, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
KITTI-360 序列 00 的迴圈閉合結果：局部地圖高程影像、修正前後軌跡與偵測到的迴圈約束
(Dellenbach et al., 2022, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Leica RTC360 測量級掃描所得點雲地圖受走動行人影響；DUFOMap 偵測動態點（分群著色）並輸出清理後地圖
(Duberg et al., 2024, Fig. 1)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
自行蒐集的稀疏 VLP-16 半室內資料：人工標註真值與 ERASOR、OctoMap、Dynablox、DUFOMap 的動態點判定及清理後地圖
(Duberg et al., 2024, Fig. 5)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
DOALS 火車站高動態場景經 DUFOMap 清理後的地圖
(Duberg et al., 2024, Fig. 6(b))
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
兩層樓複雜結構經 DUFOMap 清理後的地圖，依高度著色並移除部分牆面以利檢視
(Duberg et al., 2024, Fig. 7(b))
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
LiDAR 前端流程（點雲過濾、scan-to-scan 與 scan-to-submap 配準）與局部位姿圖
(Ebadi et al., 2021, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
顯著性迴圈閉合流程：佔據格地圖預匹配、幾何驗證與離群值剔除
(Ebadi et al., 2021, Fig. 10)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Eagle 礦坑雙機器人地圖：無迴圈閉合、BGLC 與本法在位姿圖最佳化前後的對照
(Ebadi et al., 2021, Fig. 21)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
辦公室、Beckley 煤礦與 Safety Research 礦坑以 LeGO-LOAM、BGLC 與本法建立的地圖比較
(Ebadi et al., 2021, Fig. 23)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
CTU-CRAS-Norlab 地面機器人的消融實驗：比較有無去畸變及有無以 IMU 約束橫滾與俯仰時，定位誤差隨行進距離的變化（10 次實驗的中位數與四分位數）
(Ebadi et al., 2024, Fig. 10)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
CoSTAR 機器人在廢棄地鐵、熔岩管、礦坑、電廠與決賽賽道等環境建立的地圖，以相同比例尺並列
(Ebadi et al., 2024, Fig. 13)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
MARBLE 的 Spot 機器人以 LIO-SAM 從大學工學院大樓走到附近停車場底層再返回的點雲地圖，軌跡以粉紅色標示，點雲依高程著色
(Ebadi et al., 2024, Fig. 14)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
CSIRO Wildcat 多機器人點雲地圖：都市賽 Beta 賽道、Chillagoe 洞穴測試與決賽，依機器人著色，灰色為 DARPA 參考點雲或合併地圖
(Ebadi et al., 2024, Fig. 16)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
MMS 資料的標準處理流程
(Elhashash et al., 2022, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
靜態掃描、Stencil 2 與 Hovermap 點雲的密度與覆蓋比較（顏色表示點密度）
(Fahle et al., 2022, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
有無迴圈閉合的 SLAM 資料與靜態測量資料的俯視漂移比較
(Fahle et al., 2022, Fig. 10)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
結構化與非結構化場景中逐漸變小岩塊的變化偵測（門檻過濾的 C2C 距離）
(Fahle et al., 2022, Fig. 13)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Mine-A 以 Stencil 2 進行多期 SLAM 行動掃描並以 M3C2 標示顯著變化（含收斂變形）
(Fahle et al., 2022, Fig. 15)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
系統方塊圖：MCU 模擬 GNSS 時鐘送 PPS 與 NMEA 至 LiDAR，並以中斷為 IMU 打時間戳
(Faizullin et al., 2022, Fig. 1(a))
CC BY-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
搭載同步系統與 VLP-16 的四輪驅動移動平台外觀
(Faizullin et al., 2022, Fig. 1(b))
CC BY-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
計時器計數值與 PPS 訊號及 NMEA 訊息的時序關係圖
(Faizullin et al., 2022, Fig. 4)
CC BY-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
純 ROS 時間戳所得封包週期的分布直方圖與真實週期
(Faizullin et al., 2022, Fig. 5)
CC BY-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
施工機器人實驗平台的現場照片與前視、側視圖，標示 RS-Helios-16P、IMU、相機、Jetson NX、無線路由器位置及主要尺寸
(Feng et al., 2025, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
依施工圖轉 BIM 建立的大型公共建築標準層 Gazebo 模擬工地渲染
(Feng et al., 2025, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
西安施工中醫院門診大樓測試現場實景，含機電安裝、裝修與動態障礙物
(Feng et al., 2025, Fig. 8)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
十種 SLAM 演算法在實際工地建出的點雲地圖，每種方法各有前視、側視、俯視與等角視圖
(Feng et al., 2025, Fig. 16)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
整合式光達 SLAM 系統架構與資料流（地面分割、FEC 分群、兩步配準、Scan Context++ 迴圈偵測）
(Feng et al., 2026, Fig. 1)
CC BY-NC 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
施工機器人硬體平台與主要設備（RS-Helios-16P、IMU、Jetson Xavier NX）
(Feng et al., 2026, Fig. 2)
CC BY-NC 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
機器人在施工中醫院大樓工地收集資料的情形與軌跡
(Feng et al., 2026, Fig. 10)
CC BY-NC 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
實地工地中三種 SLAM 方法點雲地圖的多視角比較（第一部分）
(Feng et al., 2026, Fig. 13)
CC BY-NC 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
依感測器融合類型整理的 SLAM 方法分類，底線標示納入基準測試的方法
(Ghadimzadeh Alamdari et al., 2025, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Luleå 隧道測試場地以 3D LiDAR 掃描產生的地圖俯視圖
(Ghadimzadeh Alamdari et al., 2025, Fig. 17)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
作者自製的手持資料蒐集裝置（RGB-D 相機、VLP-16 LiDAR 與 IMU，規格見表 4）
(Ghadimzadeh Alamdari et al., 2025, Fig. 24)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
(a) LiDAR 建圖與里程計結果；(b) VINS-Mono 在低光環境中的特徵追蹤
(Ghadimzadeh Alamdari et al., 2025, Fig. 27)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
各稠密表示 SLAM 的影像品質（PSNR）與整體系統 FPS 比較圖
(Ha et al., 2024, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
追蹤關鍵影格與僅供建圖關鍵影格分開選取的三種情境示意及其 ATE 與 PSNR
(Ha et al., 2024, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
地下硬岩礦巷道現場環境：低光、多粉塵、鋼網與岩栓支撐的粗糙岩面
(Han et al., 2026, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
NIFCyl 方法流程：合成變形資料、神經隱式法向計算、圓柱式變形量測
(Han et al., 2026, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
巷道點雲（約 185 萬點）中以數學曲面取代的五個測試區 A 至 E，及單一區域俯視與側視
(Han et al., 2026, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
實際擴挖案例的 NIFCyl 結果：大於 2 m 擴挖的點以紅色標示，並以兩個平坦區中心距離作人工比對
(Han et al., 2026, Fig. 15)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Phasma 手持感測桿全貌與感測器配置：ADIS16445 IMU、AlphaSense 五相機模組、Ouster OS0-64、Livox MID70 與全測站稜鏡
(Helmberger et al., 2022, Fig. 1)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Construction Site 序列的營建工地現場照片
(Helmberger et al., 2022, Fig. 2(c))
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Lab Survey 2 序列中五台相機影像與 Ouster OS0 點雲範例
(Helmberger et al., 2022, Fig. 4)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Basement 4 序列在光達特徵不足時（約 336 s）的局部環境，牆面與結構貼近使光達量測減少，視覺特徵仍可追蹤
(Helmberger et al., 2022, Fig. 5(b))
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
2DGS 以二維定向圓盤重建真實場景，並輸出一致的法向、深度與無雜訊網格
(Huang et al., 2024a, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
3DGS 與 2DGS 的比較：3DGS 在不同視角使用不同交會平面，2DGS 具多視角一致性
(Huang et al., 2024a, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
DTU 資料集的定性比較，2DGS 表面細緻且雜訊少
(Huang et al., 2024a, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Tanks and Temples 資料集的表面重建定性結果
(Huang et al., 2024a, Fig. 10)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
研究架構：資料蒐集與濾除、竣工 BIM、進度分析與排程更新三階段
(Ibrahimkhil et al., 2023, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
GeoSLAM ZEB-Revo 掃描儀、外牆基準點雲、配準結果與六次掃描的濾除成果
(Ibrahimkhil et al., 2023, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
六次掃描對應的竣工 BIM，呈現砌牆逐步完成
(Ibrahimkhil et al., 2023, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
第一次掃描的竣工 BIM 與設計 BIM 的進度狀態顏色標示
(Ibrahimkhil et al., 2023, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Fusion Portable 庭院場景的 LONER 網格重建與估計軌跡（紅線），周圍為訓練軌跡以外新視角渲染的深度影像
(Isaacson et al., 2023, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
系統總覽：掃描降採樣後以 ICP 追蹤、分割天空、選取關鍵影格，並以新損失同時更新位姿與 MLP，地圖可離線渲染為深度影像或網格
(Isaacson et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
四個序列上 NICE-SLAM、SHINE、LONER 各損失版本的網格重建比較
(Isaacson et al., 2023, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
以不同損失訓練的 MLP 所渲染的深度影像，比較補洞能力與幾何細節
(Isaacson et al., 2023, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
ESLAM 總覽：沿光線取樣點投影到粗細兩層軸對齊特徵平面，經淺層解碼器輸出 TSDF 與顏色並做 SDF 體積渲染
(Johari et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Replica 資料集幾何重建與 iMAP*、NICE-SLAM 的定性比較
(Johari et al., 2023, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
ScanNet 相機軌跡比較，真值為綠色、估計為紅色
(Johari et al., 2023, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
ScanNet 場景重建網格與 iMAP*、NICE-SLAM 比較（真值網格不完整處呈白色）
(Johari et al., 2023, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
SplaTAM 高斯地圖、訓練與新視角相機視錐，以及渲染與深度誤差示例
(Keetha et al., 2024, Fig. 1)
CC BY-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
SplaTAM 流程：剪影引導追蹤、高斯增密與地圖更新三步驟
(Keetha et al., 2024, Fig. 2)
CC BY-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
ScanNet++ S2 的重建結果與估計、真值相機位姿比對
(Keetha et al., 2024, Fig. S.1)
CC BY-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
研究場址平面圖與戶外區域，SLAM 行走軌跡以紅至藍表示起點到終點
(Keitaanniemi et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
分段後處理流程與相鄰分段不連續性分析流程
(Keitaanniemi et al., 2023, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
二樓走廊內迴圈處的 SLAM 條件不良點分布與現場照片
(Keitaanniemi et al., 2023, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
樓層平面上的大分段與小分段位置及樓梯編號，用於分段後處理
(Keitaanniemi et al., 2023, Fig. 8)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
3DGS 即時渲染品質與訓練時間，與 Mip-NeRF360、InstantNGP、Plenoxels 比較
(Kerbl et al., 2023, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
方法總覽：由 SfM 稀疏點建立三維高斯，最佳化並自適應控制密度，再以分塊光柵化渲染
(Kerbl et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
將最佳化後的三維高斯縮小 60% 以顯示其各向異性形狀
(Kerbl et al., 2023, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
自適應密度控制：重建不足時複製高斯，過度重建時分裂高斯
(Kerbl et al., 2023, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
MulRan KAIST 01（2019 年 6 月）與 KAIST 04（2021 年 2 月）約 1.5 年間的永久結構變化，出現施工圍牆，停車格與樹木消失，藍點為偵測到的變化點
(Kim & Kim, 2022, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
LT-removert 流程：接收對齊的中央與查詢地圖，移除高動態點，偵測新增與消失的低動態變化，並跨時段刪除殘留動態點
(Kim & Kim, 2022, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
LT-mapper 的兩種地圖管理：保持最新狀態的即時地圖，與逐次移除非體積最大化點、保留持久結構的 meta map
(Kim & Kim, 2022, Fig. 9)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
以差異地圖串接進行變化合成：由 KAIST 04 回溯還原 KAIST 01，未對應的牆面消失、原有牆面復原
(Kim & Kim, 2022, Fig. 10)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
反向重訪造成的旋轉位移：世界座標與感測器座標下的查詢與資料庫掃描比較。
(Kim et al., 2022b, Fig. 1(a))
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
樣本點雲上 Polar Context（黃色）與 Cart Context（灰色）的分格方式，紅色箭頭為對齊軸，綠色箭頭為檢索軸。
(Kim et al., 2022b, Fig. 3(a))
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
MulRan、Oxford Radar RobotCar 與 NAVER LABS 各序列軌跡疊合於航照圖。
(Kim et al., 2022b, Fig. 6)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
失效案例：車輛沿走廊狀場所行駛造成的感知混淆。
(Kim et al., 2022b, Fig. 22(b))
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
觀察者背負裝有 3D LiDAR 的背包跟隨受測者的系統示意
(Koide et al., 2019, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
BLAM、LeGO-LOAM 與本法（有無地面平面約束）估計軌跡比較
(Koide et al., 2019, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
加入地面平面約束後建立的大型室內樓層點雲地圖，顏色表示高度
(Koide et al., 2019, Fig. 7)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
室外起伏地形的軌跡與加入 GPS 約束後的三維點雲地圖
(Koide et al., 2019, Fig. 8)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
施工中工地 5 月至 7 月的 RGB 影像與點雲地圖對照，紅色為新增結構、藍色為移除結構
(Lee et al., 2024a, Fig. 1)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
搭載單眼相機與固態光達的手持資料收集裝置
(Lee et al., 2024a, Fig. 2)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
掃描樣式比較：(a) 機械式 Velodyne VLP-16 的重複式垂直通道樣式，(b) 採 Risley 稜鏡的 Livox Mid-70 非重複花瓣狀樣式
(Lee et al., 2024b, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
LiDAR 里程計通用流程：前處理（感測器同步、運動補償、降取樣、特徵擷取）、初始估計與狀態估計，並標示其他感測器以鬆耦合或緊耦合方式接入的位置
(Lee et al., 2024b, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
LiDAR 里程計的評估方法示意：軌跡誤差、起終點誤差、以全測站量測地面控制點的誤差，以及以熵衡量配準品質
(Lee et al., 2024b, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
基準測試估計軌跡：(a) HeLiPR 城市資料，(b) ConSLAM 工地手持資料，紅框放大純 LiDAR 方法偏離真值的位置
(Lee et al., 2024b, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
SA-LOAM 在 KITTI 序列 01 建立的語意地圖，不同顏色代表不同語意類別，放大點為語意圖節點，並示範一次迴圈閉合
(Li et al., 2021a, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
系統流程：原始點雲經語意分割後同時送入運動估計與迴圈偵測，偵測到迴圈時更新位姿圖並維護全域語意地圖
(Li et al., 2021a, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
KITTI 測試序列 19 在迴圈閉合前後的軌跡與語意地圖
(Li et al., 2021a, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Ford 資料序列 02 各方法的軌跡，只有 Ours-LOOP 正確找到閉合迴圈
(Li et al., 2021a, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
依 PRISMA 的文獻篩選流程與排除條件（1029 筆至 304 篇）
(Li et al., 2026a, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
納入文獻依年份與國家分布的數量
(Li et al., 2026a, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
依時間著色的關鍵字共現網路
(Li et al., 2026a, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
SLAM 生成流程：感測輸入、特徵擷取、狀態估計、後端最佳化與地圖建構
(Li et al., 2026a, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
R3LIVE 即時重建的稠密 RGB 上色點雲與行走軌跡；arXiv 版另含離線網格與貼圖結果
(Lin & Zhang, 2022, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
手持資料收集裝置（光達、相機、內建 IMU、電池與機上電腦），以及 D-GPS RTK 與 ArUco 標記板（正式版為 Fig. 5）
(Lin & Zhang, 2022, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
RGB 上色點雲、網格線框、網格表面與貼圖後網格（僅見於 arXiv 版）
(Lin & Zhang, 2022, Fig. 13)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
手持資料收集裝置、作為真值的 ArUco 標記板與開源機構模型（正式版為 Fig. 8）
(Lin & Zhang, 2024, Fig. 7)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
樓梯前光達退化測試：光達朝向地面與側牆，以及 R3LIVE++ 與純光達慣性方法的軌跡比較（正式版為 Fig. 10）
(Lin & Zhang, 2024, Fig. 9)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
香港大學主建物的即時重建輻射地圖鳥瞰，並附室外與室內細部
(Lin & Zhang, 2024, Fig. 16)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
以 R2LIVE 即時重建的香港大學主建物大尺度室內外稠密點雲，綠線為軌跡，點依高度著色
(Lin et al., 2021, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
手持資料收集裝置（Livox AVIA、全域快門相機、機上電腦與電池），以及評估用的 D-GPS RTK
(Lin et al., 2021, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
劇烈運動與刻意遮擋相機或光達的穩健性測試情境
(Lin et al., 2021, Fig. 7)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
ImMesh 線上重建的三角網格與估計位姿，並以 R3LIVE 相機位姿貼上影像紋理的結果
(Lin et al., 2023, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
系統架構：接收、定位、地圖結構、建網格與廣播模組
(Lin et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
手持資料收集裝置（迷你電腦、Livox Avia 光達、預覽相機）與實驗影片畫面
(Lin et al., 2023, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
DJI M300 無人機載具與山區場景的網格、高程著色及無損紋理重建成果
(Lin et al., 2023, Fig. 11)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
以 CLINS 連續時間軌跡組合 SICK LMS-511 二維 LiDAR 掃描，得到 KAIST Urban-07 的稠密三維重建
(Lv et al., 2021, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
連續時間軌跡示意：活動區段、靜態控制點與新增控制點在三次 B 樣條上的關係
(Lv et al., 2021, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
作者自組的無人地面車感測器平台，紅框為收集 YQ 序列所用感測器
(Lv et al., 2021, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Fig. 6 下半部：CLINS 含迴圈修正在 YQ-01 建立的點雲地圖（約 700 m 乘 500 m），作者表示與 Google Earth 影像一致；連結僅為地圖子圖
(Lv et al., 2021, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
以 SLAM Toolbox 建立的零售賣場二維地圖（圖源為作者 2019 年 ROSCon 報告）
(Macenski & Jambrecic, 2021, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
手動調整位姿圖節點、使該節點雷射掃描對齊地圖的操作畫面
(Macenski & Jambrecic, 2021, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
分兩次作業建立並合併的大型辦公大樓地圖，兩批資料之間有多個迴圈閉合
(Macenski & Jambrecic, 2021, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
以 Sim(3) 與 SL(4) 對齊 6 個 VGGT 子地圖的比較（Clio 公寓與隔間場景），顯示射影歧義
(Maggio et al., 2025, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
7-Scenes office 場景 8 個子地圖，以及 55 m 辦公走廊迴圈 22 個子地圖的重建與位姿
(Maggio et al., 2025, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
戶外儲槽周邊黃色路樁場景：Sim(3) 對齊失敗產生重影，SL(4) 可修正
(Maggio et al., 2025, Fig. 6 (arXiv v2; Fig. 8 in NeurIPS version))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
TUM room 場景 6 個子地圖的稠密重建，相機位姿依子地圖著色
(Maggio et al., 2025, Fig. 9 (arXiv v2; Fig. 11 in NeurIPS version))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
無人機感測器配置：IMU、兩具光達、雙相機、四個 UWB 節點與供全測站追蹤的稜鏡
(Nguyen et al., 2022a, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
EEE 序列環境：被高樓環繞的校園停車場
(Nguyen et al., 2022a, Fig. 4a)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Leica 全測站記錄的 SBS 序列無人機軌跡
(Nguyen et al., 2022a, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
VIRAL SLAM 在 eee_01 的軌跡與真值對照，以及三維點雲地圖與關鍵影格
(Nguyen et al., 2022a, Fig. 9)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
PRISMA 2020 系統性回顧流程圖範本（原始回顧；灰色框僅於適用時填寫）
(Page et al., 2021, Fig 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
竣工建模流程圖：由點雲產生、前處理到竣工建模
(Pătrăucean et al., 2015, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
竣工建模的輸出空間示意，說明目標輸出與客觀限制
(Pătrăucean et al., 2015, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
竣工建模使用的幾何與實體表示法
(Pătrăucean et al., 2015, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
既有研究在輸出空間中的定位（作者註明具主觀性）
(Pătrăucean et al., 2015, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
隧道場景的累積點雲依強度著色並疊加 COIN-LIO 軌跡；連結僅為 Fig. 1 上方子圖，中段的追蹤特徵與下方俯視點雲為另外的子圖
(Pfreundschuh et al., 2024, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
系統架構圖：點雲同時用於幾何配準與投影強度影像的光度誤差，兩種殘差在迭代擴展卡爾曼濾波中合併更新
(Pfreundschuh et al., 2024, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
原始強度影像、反射率影像與本文濾波影像的比較，含草地與隧道的局部放大
(Pfreundschuh et al., 2024, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
COIN-LIO 在 ENWIDE 的 FieldS、IntersectionS、KatzenseeS 與 RunwayS 所建立的點雲地圖
(Pfreundschuh et al., 2024, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
四個代表場景的全景點雲渲染：磚與鋼筋混凝土集合住宅、鋼骨學校、裝設輕隔間的辦公大樓與舊住宅翻修
(Rauch & Braml, 2025, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
工地現場架設的地面雷射掃描儀與雜亂、積水的結構體施工場景
(Rauch & Braml, 2025, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
資料集提供的點雲特徵：座標、反射強度、RGB 與法向量
(Rauch & Braml, 2025, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
以修改版 SHS-Net 推估並朝掃描站定向的各場景法向量著色結果
(Rauch & Braml, 2025, Fig. 9)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
系統架構：DROID-SLAM 追蹤迴路、邊際共變異數計算與以 Instant-NGP 擬合神經輻射場的資訊流
(Rosinol et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
ZEB-REVO 手持系統與旋轉測距頭（作者團隊 2017 年測試照片）
(Sammartano & Spanò, 2018, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
ZEB 輸出資料：依時間標記著色的 3D 模型、沿中庭以品質著色的軌跡與陰影視圖
(Sammartano & Spanò, 2018, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Valperga 城堡塔樓：SLAM 點雲與彩色軌跡、分割後的近景攝影測量點雲與衍生的 2D 剖面圖
(Sammartano & Spanò, 2018, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
多段 ZEB 點雲登錄到參考 LiDAR DSM 的整體結果，紅星為 ZEB 初始化點
(Sammartano & Spanò, 2018, Fig. 17)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
視覺慣性子系統框架：IMU 預積分、無深度與有深度的視覺量測共同最佳化
(Shan et al., 2021, Fig. 2)
CC0 1.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
光達慣性子系統的因子圖：IMU 預積分、視覺里程計、光達里程計與迴圈約束
(Shan et al., 2021, Fig. 5)
CC0 1.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
掃描配準退化情境：光達朝向地面，以及平坦開闊無結構的場地；連結影像僅為子圖 (c)，即光達朝向地面時的掃描點雲
(Shan et al., 2021, Fig. 6)
CC0 1.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Replica 與 ScanNet、Matterport3D 的 RGB、幾何、法向與語意渲染比較（圖為 Replica 的 RGB 渲染）
(Straub et al., 2019, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
用於建立 Replica 的自建 RGB-D 資料擷取設備
(Straub et al., 2019, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
以網格修補工具填補的孔洞示例，填補處以紅色標示
(Straub et al., 2019, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
FRL 公寓以 6 種家具配置重複掃描，模擬同一空間在不同時間點的樣貌（圖為配置 0）
(Straub et al., 2019, Fig. 8)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
LIO-BIM 系統架構：光達慣性里程計、AprilTag 初始對齊與 BIM 掃描匹配
(Stührenberg & Smarsly, 2025, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
搭載 VLP-16、IMU 與相機的 IDOG 四足機器人
(Stührenberg & Smarsly, 2025, Fig. 7)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
LIO-BIM 軌跡與點雲對齊 BIM 的結果（辦公室與 ConSLAM 序列 2 至 5）
(Stührenberg & Smarsly, 2025, Fig. 11)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
LIO-BIM 點雲與 TLS 掃描對齊，依點對點距離著色
(Stührenberg & Smarsly, 2025, Fig. 13)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
NSS 六個區域在第一個時間階段的整體點雲，顯示各區平面配置與尺度差異
(Sun et al., 2025, Fig. 3)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
各區域在不同施工階段的近景快照，從空無一物到隔間完成的變化
(Sun et al., 2025, Fig. 4)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Matterport 相機三具 RGB-D 感測器的配置（子圖 a，即連結影像），子圖 b 為據此模擬產生點雲片段的示意
(Sun et al., 2025, Fig. 6)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Area F 經成對與多視角配準後的時空對齊結果，不同色調代表不同施工階段
(Sun et al., 2025, Fig. 21)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
地面雷射掃描取得的 Radcliffe Camera 與 Bodleian 圖書館彩色點雲，以及其他場址的 TLS 地圖視角
(Tao et al., 2025, Fig. 1)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Frontier 感測器配置，標示三具相機、IMU 與光達的座標系
(Tao et al., 2025, Fig. 2)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Leica RTC360 地面雷射掃描儀與 Frontier 背負式裝置在 Blenheim Palace 與 Christ Church 的現場作業
(Tao et al., 2025, Fig. 3)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
VILENS-SLAM、OpenMVS 與 Nerfacto 重建結果依與真值的點對點距離著色比較
(Tao et al., 2025, Fig. 10)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
由多層 BIM 產生佔據格地圖、轉為位姿圖地圖並用於全域定位與位姿追蹤的整體流程
(Torres et al., 2023, Figure 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
評估情境二：依真實 TLS 資料建立的一般辦公室環境
(Torres et al., 2023, Figure 2 (b))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
評估情境三：模擬災後、Scan-BIM 偏差很大的環境
(Torres et al., 2023, Figure 2 (c))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
序列 2-1 的佔據格地圖與機器人軌跡，空房間地圖以藍色疊合顯示 Scan-BIM 偏差
(Torres et al., 2023, Figure 3 (c))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
系統架構：BIM、SLAM、3D 體素地圖、導航、NBV 與 VLM 的資訊流
(Tuomisto et al., 2026, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
加裝 Ouster OS0 光達與 RealSense D415 的 Boston Dynamics Spot
(Tuomisto et al., 2026, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
實驗中的 Spot 與對應的 0.1 m 3D 體素地圖
(Tuomisto et al., 2026, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
實地驗證的機器人軌跡與拍攝視點
(Tuomisto et al., 2026, Fig. 14)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
由 BIM 產生的時段資料：佔據格網上的真值位姿圖節點與邊，以及各關鍵影格點雲與極座標描述子
(Vega Torres et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
對齊後點雲與 BIM 模型比對所得的正向差異，以及以體素立方體呈現的分群新物件（移除天花板以利檢視）
(Vega Torres et al., 2023, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
置於 Go1 四足機器人上的攜帶式建圖系統，含 3D 光達、RGB-D 相機、迷你電腦與電池
(Vega Torres et al., 2023, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
SLAM2REF 三步驟流程總覽：由參考圖產生工作段資料、參考圖多工作段錨定、變化偵測與地圖更新。
(Vega-Torres et al., 2024, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
由 BIM 網格模擬的 LiDAR 掃描與對應的 Scan Context 描述子，構成合成的參考工作段。
(Vega-Torres et al., 2024, Fig. 4)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
ConSLAM 序列 2 至 5 對齊 TLS 點雲，以及序列 2 對齊 BIM 後的軌跡、點雲地圖與新增元素。
(Vega-Torres et al., 2024, Fig. 13)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
序列 2 對齊後的變化偵測結果：圖 a 與 TLS 點雲比較，圖 b 與 BIM 比較，新增元素以紅色標示。
(Vega-Torres et al., 2024, Fig. 14)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
VDBFusion 在多個公開 LiDAR 與 RGB-D 資料集的重建結果（藍色為 LiDAR、紅色為 RGB-D）
(Vizzo et al., 2022, Figure 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
系統總覽：輸入點雲與位姿，整合為稀疏 TSDF 後輸出網格或 VDB 資料
(Vizzo et al., 2022, Figure 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
有無空間雕刻時沿射線更新的體素範圍差異
(Vizzo et al., 2022, Figure 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
KITTI 07 地圖逐點誤差：未雕刻時動態物體殘影，雕刻後動態物體移除但車緣也被削去
(Vizzo et al., 2022, Figure 12)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
以平面網格重建畫框、整個房間與內凹窗框，不同平面以不同顏色表示
(Wang et al., 2025a, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
四段場景中 VDBFusion、ImMesh、TLS 真值與 PlanarMesh 的重建比較，標出門框與凹窗等細節
(Wang et al., 2025a, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
手持多感測器裝置的 CAD 模型，標示光達、STIM300、立體相機、事件相機、INS 與稜鏡位置及座標軸
(Wei et al., 2025a, Fig. 1)
CC BY-NC 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
四種平台（手持、四足、無人地面載具、汽車）與場景照片，(e) 為真值設備 3DM-GQ7、Leica MS60、BLK360 與 RTC360
(Wei et al., 2025a, Fig. 4)
CC BY-NC 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
真值彩色點雲地圖：校園約 0.36 km²（8 cm 解析度）與地下停車場約 0.037 km²（4 mm 解析度）
(Wei et al., 2025a, Fig. 13)
CC BY-NC 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
FAST-LIO2 在六段序列的地圖誤差著色（藍色 0 至紅色 20 cm），顯示戶外 z 軸漂移與植被、玻璃造成的誤差
(Wei et al., 2025a, Fig. 15)
CC BY-NC 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
系統概念圖：使用者上傳多時段三維地圖，經動態物件移除、多時段對齊、變化偵測與版本控制後，可取回任一時段乾淨地圖或查詢任兩時段差異
(Yang et al., 2024, Fig. 1)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
以 XGrid-Parking 手持光達資料說明完整流程：基準地圖初始化、新時段地圖的動態點移除與對齊，以及正負變化反映到更新後的基準地圖
(Yang et al., 2024, Fig. 4)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
LT-ParkingLot、XGrid-Parking、XGrid-Outdoor 與 NCLT 的多時段地圖對齊結果，以高度差區分不同時段軌跡
(Yang et al., 2024, Fig. 5)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
XGrid-Outdoor、LT-ParkingLot 與合成資料的變化偵測視覺化：移除消失的樹與車、加入新物件，並保留被遮蔽區域
(Yang et al., 2024, Fig. 7)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
3DGS 與 LiDAR 點雲兩條流程在資料擷取、視覺化、語意分割與 VR 傳播四個步驟的對照示意
(Yu et al., 2025, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
以 Inria 工具、Polycam 與 Postshot 三種流程重建的 3DGS 視覺化結果比較
(Yu et al., 2025, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
GeoSLAM 行動式 SLAM 掃描所得的 Bouwpub 正立面點雲，以及掃描器內建相機拍攝的全景影像
(Yu et al., 2025, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
將 LiDAR 點雲匯入 Blender，沿以 Python 重建的原始相機軌跡放置六向虛擬相機進行多視角渲染，再轉為 3DGS 的整合流程與成果
(Yu et al., 2025, Fig. 13)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
自製手持多相機光達慣性裝置照片與 URDF 模型的前視、等角與俯視座標框
(Zhang et al., 2021, Fig. 1)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
三次資料收集所有序列的軌跡疊合於真值地圖
(Zhang et al., 2021, Fig. 2)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
以 Leica BLK360 建立的 New College 與 Maths Institute 先驗點雲地圖
(Zhang et al., 2021, Fig. 3)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Maths-Hard 序列上 ORB-SLAM3、OpenVINS 與 VILENS-MC 估計軌跡和真值的俯視比較
(Zhang et al., 2021, Fig. 5)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
KITTI 序列 7 中由動態物體造成的殘影點（黃色）與原始點雲地圖示意
(Zhang et al., 2023a, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
Argoverse 2.0 大城市序列（兩具 VLP-32C）：相機影像、各方法清理後的整體地圖與局部放大
(Zhang et al., 2023a, Fig. 6)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
自建稀疏 VLP-16 半室內資料：人工標註真值與 Removert、ERASOR、Octomap、改良 Octomap 的動態點判定
(Zhang et al., 2023a, Fig. 7)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
DARPA SubT Alpha Course 由 UGV1、UAV1、UAV2 多機器人建出的地圖，以及黑暗、濃霧、垂直豎井等情境
(Zhao et al., 2021, Fig. 1)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
以 IMU 為中心的系統架構：IMU 里程計與 VIO、LIO 子因子圖互相提供預測與約束
(Zhao et al., 2021, Fig. 2)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
資料蒐集的困難環境（長走廊、白牆與樓梯井、暗室、粉塵洞穴）與無人機上的多感測器配置
(Zhao et al., 2021, Fig. 4)
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
粉塵序列中 Super Odometry 的地圖俯視圖與 z 向漂移圖（僅子圖 c）
(Zhao et al., 2021, Fig. 7(c))
CC BY-NC-SA 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
CamVox 範例結果：機器人軌跡、稠密 RGB-D 彩色點雲地圖與局部放大
(Zhu et al., 2021, Fig. 1 (arXiv v1))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
完整機器人平台與 CamVox 硬體近照（相機、Livox Horizon、IMU、GPS-RTK），以及對應的彩色影像與 LiDAR 深度影像
(Zhu et al., 2021, Fig. 3 (arXiv v1))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
CamVox SLAM 流程：ORB-SLAM2 主執行緒之外新增 RGB-D 輸入前處理執行緒與自動校正執行緒
(Zhu et al., 2021, Fig. 4 (arXiv v1))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
自動校正流程：由靜止累積的 LiDAR 反射強度與深度影像和相機灰階影像擷取邊緣後迭代匹配
(Zhu et al., 2021, Fig. 7 (arXiv v1))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
KITTI 00 序列的里程計軌跡與大範圍網格地圖，全流程約 54 fps
(Zhu et al., 2025, Fig. 1 (arXiv v1))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
系統總覽：PCA 法向量估計、增量體素網格化、平行空間雜湊與點對網格里程計
(Zhu et al., 2025, Fig. 2 (arXiv v1))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Hilti cons2 施工環境的現場照片與網格重建結果
(Zhu et al., 2025, Fig. 10 (arXiv v1) = Fig. 8 (VoR))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
Mai City 上 Mesh-LOAM、Puma、SHINE-Mapping 與 VDBFusion 的網格及有號距離誤差圖
(Zhu et al., 2025, Fig. 11 (arXiv v1))
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
籃球場資料的 iRIOM 建圖結果：只用雷達自身速度與 IMU 時的地圖，對照再加入雷達點配準後的地圖
(Zhuang et al., 2023, Fig. 1)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
iRIOM 系統概觀：雷達點雲前處理、GNC 自身速度估計、掃描對子地圖配準、迭代 EKF 更新，以及 scancontext 迴圈閉合與位姿圖
(Zhuang et al., 2023, Fig. 2)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式
測試用地面機器人與感測器配置（ZED 相機與 RGB-D 相機未使用）
(Zhuang et al., 2023, Fig. 3)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：僅轉換為 WebP 格式
序列 2 偵測到的迴圈閉合與閉合誤差，以及 iRIOM 的建圖結果
(Zhuang et al., 2023, Fig. 5)
CC BY 4.0（授權條款，另開新視窗）原始圖檔（另開新視窗）
處理：縮小至寬度不超過 1400 px，並轉換為 WebP 格式