SLAM (simultaneous localization and mapping),也稱為CML (Concurrent Mapping and Localization), 即時定位與地圖構建，或併發建圖與定位。 SLAM最早由Smith、Self和Cheeseman於1988年提出。

　　SLAM問題可以描述為: 機器人在未知環境中從一個未知位置開始移動,在移動過程中根據位置估計和地圖進行自身定位,同時在自身定位的基礎上建造增量式地圖，實現機器人的自主定位和導航。

（Robust Optimization for Simultaneous Localization and Mapping Niko Sunderhauf (PhD thesis) 2012” P22）

Visual SLAM(視覺SLAM)

Cameras are employed as the only exteroceptive sensor. It is called visual SLAM.

In the last 10years, published articles reflect a clear tendency for using vision as the only external sensorial perception system to solve the problem of SLAM (Paz et al. 2008; Davison et al. 2007; Klein and Murray 2007; Sáez and Escolano 2006; Piniés and Tardós 2008).

The main reason for this tendency is attributed to the capability for a system based on cameras to obtain range information, and also retrieving the environment’s appearance, color and texture, giving a robot the possibility of integrating other high-level tasks like detection and
recognition of people and places. Furthermore, cameras are less expensive, lighter and have lower power consumption.

Unfortunately, there might be errors in the data due to the following reasons: insufficient camera resolution, lighting changes, surfaces with lack of texture, blurred images due to fast movements, among other factors.

Visual odometry視覺里程計
In robotics and computer vision, visual odometry is the process of determining the position and orientation of a robot by analyzing the associated camera images. It has been used in a wide variety of robotic applications, such as on the Mars Exploration Rovers.

Bundle Adjustment 光束法平差

Given a set of images depicting a number of 3D points from different viewpoints, bundle adjustment can be defined as the problem of simultaneously refining the 3D coordinates describing the scene geometry as well as the parameters of the relative motion and the optical characteristics of the camera(s) employed to acquire the images, according to an optimality criterion involving the corresponding image projections of all points.

粒子濾波就是指：通過尋找一組在狀態空間中傳播的隨機樣本來近似的表示概率密度函式，用樣本均值代替積分運算，進而獲得系統狀態的最小方差估計的過程，這些樣本被形象的稱為“粒子”，故而叫粒子濾波。《粒子濾波原理及其應用》胡士強 ISBN 9787030283702

機器人“綁架”指的是機器人在運動過程中發生了滑動,機器人本身並不知道此情況的發生。

資料關聯(Data Association)，也被稱為一致性問題(Correspondence Problem)是SLAM面臨的挑戰之一。資料關聯是指建立在不同時間、不同地點獲得的感測器測量之間、感測器測量與地圖特徵之間或者地圖特徵之間的對應關係，以確定它們是否源於環境中同一物理實體的過程。資料關聯的正確與否對於SLAM問題中的狀態估計至關重要。

掃描匹配 在柵格地圖的建立過程中主要是應用範圍感測器(例如超聲陣列、鐳射雷達等)，感測器的一次測量稱為一次掃描(Scan)。掃描點之間一般不存在直接的對應關係，所以此時的資料關聯需要確定兩幅或者多幅掃描中源於相同物理實體的區域，從而確定獲得各個感測器掃描時刻機器人定位間的相對位置關係。這類資料關聯問題一般稱為掃描匹配問題(Scan Matching)。

根據SLAM 問題中環境地圖的型別，可以將SLAM 演算法分為

基於特徵地圖的SLAM 演算法（Feature-based SLAM ）
基於柵格地圖的SLAM 演算法（Grid-based SLAM）
基於拓撲- 柵格地圖SLAM 演算法（Topological-Metric SLAM ）
基於密度地圖的SLAM 演算法（Dense SLAM）
根據SLAM 問題中模型的描述不同，可以將SLAM 演算法分為:

1 基於狀態空間描述的一類演算法，如擴充套件卡爾曼濾波（Extended Kalman Filter,EKF ）、壓縮擴充套件卡爾曼濾波（Compressed Extended Kalman Filter, CEKF ）等

2 基於樣本集描述的一類演算法，如Rao-Blackwellized 粒子濾波 SLAM，快速SLAM（FastSLAM）、DP-SLAM等

3 基於資訊空間描述的一類演算法，如擴充套件資訊濾波（Extended Information Filter, EIF）、稀疏連線-樹濾波（Thin Junction-Tree Filter, TJTF）等

4 基於差異描述的一類演算法，如掃描匹配（Scan Matching）