在论文 《DeepRelativeFusion: Dense Monocular SLAM using Single-Image Relative Depth Prediction》中，来自加拿大阿尔伯塔大学和马来西亚布特拉大学的研究者提出了一种稠密的单目 SLAM 系统，命名为 DeepRelativeFusion，它能够恢复全局一致的三维结构。我们使用了视觉 SLAM 算法可靠地恢复了摄像机姿态和关键帧的半稠密深度图，然后结合关键帧位姿图与稠密关键帧深度图来重建场景。为了实现地图稠密化，我们在能量最小化框架上引入了两个增量改进: (1) 代价函数中的增加图像梯度项， (2) 使用单目图像相对深度预测。尽管没有绝对的比例尺和深度范围，利用来自 SLAM 的半密集深度地图，我们可以对相对深度图进行修正。实验表明，修正的相对深度图对于稠密化先验来说精度够了。为了证明相对深度预测的泛化性 ，我们列举了两个室外的稠密重建序列。在量化对比结果中，我们的系统明显优于目前最新的 在稠密重建 SLAM 系统。