随着测绘新技术不断的发展壮大，测绘作业的方式也有了日新月异的变化。背负式移动扫描系统的出现，大大降低了外业作业的劳动强度，而且其测绘的精度也得到了明显的改善。文中主要以背负式移动扫描系统为研究对象，通过以近领域提取点云的方式，对扫描点云做精确的坐标比对实验。通过实验，该扫描系统的平面精度与高程精度均满足大比例尺地形图测绘的要求，并且在测绘效率上比传统技术得到了显著地提高。

基于ekf的同步制图定位算法的matlab仿真

移动机器人-伺服控制和运动计划 Python中的TurtleBot使用ROS使用SLAM实现BUG算法。 借助激光雷达传感器实现了避障，路径跟踪和障碍物检测。

matlab的slam代码 graphslam 图优化的从推广到应用： 这是一个利用图优化的二维平面的激光SLAM的练习，源代码来自： 依赖项：numpy，scipy（求解稀疏矩阵会大大的加快速度），matplotlib（绘制结果）

matlab的slam代码 NDTLaserSLAMwithGraphOptimization 代码没优化，速度巨慢，仅用了激光的信息，NDT配准做前端，后端位姿图批量优化，并添加图的边 地图更新也没写，就用的matlab的insertRay添加的，为了地图好看点还是个全SLAM，在线slam的效果8太行

本文给出了经典的slam技术的介绍，可以让大家详细的了解slam的基础

IEEE transaction on robotic上的视觉slam综述论文，总结的非常好

几篇有关SLAM和EKF的英文参考文献，比较适合初学者接触和学习SLAM相关知识。

Linux系统，需要安装如下依赖库： #####Library dependencies 1：Pangolin (visualization and user interface)**. [MIT license](https://en.wikipedia.org/wiki/MIT_License). 2：OpenCV**. BSD license. 3：Eigen3**. For versions greater than 3.1.1 is MPL2, earlier versions are LGPLv3. 4（如果只做数据集的实验可以不用安装ROS）：ROS (Optional, only if you build Examples/ROS)**. BSD license. In the manifest.xml the only declared package dependencies are roscpp, tf, sensor_msgs, image_transport, cv_bridge, which are all BSD licensed.

使用 Robotics System Toolbox:trade_mark: 开发环境地图并定位机器人或自动驾驶汽车的姿势以进行自主导航。 机器人在获得环境的 LiDAR 扫描时需要手动驱动。 在运行此代码时，您可以获得环境地图和机器人相对于地图的姿态。 这可以进一步与诸如buildMap之类的命令一起使用，以生成一个占用网格并执行用于自主导航的路径规划。 在此处观看此功能的概述视频： https://www.mathworks.com/videos/implement-simultaneous-localization-and-mapping-slam-with-matlab-1520292583530.html