基于视觉的室内场景定位与建图（VSLAM）在智能设备自主定位与导航领域内扮演着极为重要的作用，但是当前主流算法的回环检测及重定位环节上在动态光照情况下存在匹配丢失，严重影响定位累计误差的修正与建图精度。因此提出了基于一种改进的点云特征提取与匹配的定位方法，将由RGB图像得到的点云通过聚类的方法分割成一个个稳定区域，并建立基于面片特性及相互空间关系的场景特征描述，最后通过该特征描述进行两帧图像的数据关联及相机的定位，利用更具有鲁棒性的区域特征提取方法克服光照变化情况下的视觉定位不足问题。实验证明提出的方法不仅可以适应动态光照环境，而且定位效果优于目前主流的基于图像点特征的定位算法。

人工智能-机器学习-面向建筑物内部环境的移动机器人同时定位与地图构建方法研究与应用.pdf

浙江大学计算机辅助设计与图形学国家重点实验室副教授 章国锋，在QCon上做了主题为《复杂环境下的视觉同时定位与地图构建》的演讲，就SLAM应用介绍，常用框架等进行了深入的分享。

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