SLAM（Simultaneous Localization and Mapping，同时定位与建图）算法基础知识-----------持续更新

1. SLAM算法目的：机器人在没有先验知识的情况下，实时地构建周围环境的地图，并在地图上进行定位。相较于视觉SLAM，激光SLAM研究时间更久，在理论、技术和产品落地上更成熟。对机器人和自动驾驶企业来说，激光SLAM仍是目前最稳定、最主流的定位导航方法.

2. 算法分类

2.1

如：EKF-SLAM（1987）扩展卡尔曼滤波器（EKF）、FastSLAM（2002）粒子滤波器、

2.2

如：Karto

2.3

如：T-LOAM（2021）、ORB-SLAM3（2021经典）是一种基于特征点的视觉SLAM算法、DynaSLAM、LSD-SLAM（2014）、DSO（2016）、 VINS-Mono（2018）、SVO（2014）、Cartegrapher（2016经典）

激光雷达：

• LOAM系列，包括LOAM、LOAM-Velodyne、LOAM-LiDAR等

• LIO-SAM（经典）

视觉slam算法-CSDN博客

机器人常用的几大主流SLAM算法-CSDN博客

3. 技术流程

机器人开发--SLAM详细介绍-CSDN博客

4. SLAM 模型的数学表示

5.应用：

6.方案选择

 参考：

SLAM 模型与算法概述_slam算法-CSDN博客、SLAM技术详解及Python实现_slam算法-CSDN博客

一文彻底搞懂SLAM技术

SLAM技术详解：从扫地机器人到自动驾驶-CSDN博客

一文彻底讲清楚SLAM技术原理与应用

【SLAM】一文彻底讲清楚SLAM技术原理与应用-CSDN博客