同步定位与地图构建 SLAM 是机器人运动中的技术，它是指机器人在未知环境中出发，运动过程中通过观测到的地图特征进行定位，再根据自身位置去构建地图，从而达到同时定位和地图构建的目的。
SLAM 流程图
SLAM 核心问题
- 地图构建：如何将传感器收集到的信息整合，并将其集成至一致性的模型；
- 定位：在地图上估测机器人坐标、姿势形态，SLAM 在建立新地图模型或改进已知地图的同时，会在该地图模型上定位机器人。
SLAM 关键技术
- 地图的表示方式
- 不确定性信息处理方法
- 数据的关联
- 自定位
- 探索全局路径规划
SLAM 分类
按传感器的形式和安装方式，可分为激光雷达和视觉两大类：
激光雷达 SLAM
- 优点：高精度测量周围障碍点的角度、距离，且速度快、计算量小，可被做成实时 SLAM 模块，其一般用于扫描单平面内的障碍物，因此适用于平面运动的机器人，如无人车、扫地机器人；
- 缺点：制造成本高，价格相对较高。
视觉 SLAM
视觉 SLAM 基于 CPU 、 GPU 处理速度的增长和硬件性能的提升，视觉 SLAM 按照摄像头的数量和种类有 3 个子方向，分别是单目、双目 和 RGBD，此外还有鱼眼、全景等特殊摄像头，但属于少数。