1.2.4 同步定位与地图构建

机器人同步定位与地图构建（Simultaneous Localization And Mapping，SLAM）是指机器人本体在未知环境下通过传感器获取的环境信息，在移动过程中对自身进行定位的同时构建周围环境的结构一致性地图[20-21]。

SLAM问题起源于1986年在美国旧金山召开的IEEE机器人与自动化会议。早期的研究主要集中在利用滤波理论来降低目标姿态和地标的噪声，如卡尔曼滤波（Kalman Filter，KF）、扩展KF（Extended KF，EKF）、无迹KF（Unscented KF，UKF）和Fast SLAM等[22-24]。随着机器视觉等技术的研究突破，视觉SLAM取得了很大的进展[25-26]。

SLAM中使用的传感器包括激光测距仪、相机、里程计、超声测距仪等，根据传感器的不同，SLAM可以分为激光SLAM、视觉SLAM、复合SLAM等。其中，视觉SLAM以摄像机为主要的传感器，与惯性器件和激光雷达传感器相比，摄像机具有信息丰富、成本低、重量轻、体积小等优点，因此视觉SLAM在无人驾驶、自主机器人等领域有着广泛的应用。随着计算机性能的提升，基于深度学习的图像处理技术得到了迅速的发展，利用深度学习来处理场景语义信息，将是未来SLAM的一个发展方向。