基于扩展卡尔曼滤波和加权非线性最小二乘的二维同时定位与映射仿真 蓝色圆圈是机器人的真实姿势，红色圆圈是机器人的估计姿势 两个蓝星是特征的实际位置，两个红星是特征的估计位置 介绍 在Matlab中模拟具有两个要素和一个绕要素1旋转的机器人的2D地图。 （机器人可以观察到两个特征相对于自身的角度和距离）。 使用观察数据和控制数据分别基于扩展卡尔曼滤波器（EKF）和加权非线性最小二乘法（WNLS）来估计机器人的姿态和两个特征的位置（即通过EKF和WNLP解决简单的2D SLAM ）。 （SLAM）：是在构建或更新未知环境的地图同时跟踪代理在其中的位置的计算问题。 先决条件 所有代码仅在 视窗10 1809 Matlab R2018b 不能保证这些代码在其他版本中具有良好的兼容性。 用法 双击F00_Main_EKF.m以运行基于EKF的2D SLAM仿真。 双击F00_Main_NL

基于多传感器融合的移动机器人SLAM，李金良，孙友霞，针对移动机器人同时定位与地图创建（SLAM）系统在复杂特殊环境中应用时，单一传感器存在漏检且难以解决数据关联的问题，在多维匹��

基于声纳的水下机器人同时定位与地图构建技术研究

移动机器人的路径规划技术和同时定位与建图技术是机器人实现真正智能化的前提。针对该问题，本文设计实现了一个基于机器人操作系统（ROS）的解决方案。在定位与建图中使用开源软件包Gmapping提供的算法，用于完成机器人在陌生环境中的自定位与地图构建功能。同时利用软件包navigation提供的路径规划算法完成机器人在已知环境地图中的导航和自主避障的能力。最后在机器人操作系统提供的仿真工具Gazebo中模拟机器人的真实环境，完成该系统测试和验证。仿真实验表明，该系统能够很好地完成机器人在室内环境中的定位、建图和导航功能。

基于 ROS 与 Kinect 的移动机器人同时定位与地图构建

基于图优化的同时定位与地图创建综述基于图优化的同时定位与地图创建综述