SLAMtilnærminger
SLAMtilnærminger beskriver metoder for samtidig lokaliserings- og kartleggingsproblematikk i robotikk og datamaskinvisjon. Hensikten er å estimere robotens posisjon over tid mens et kart av miljøet bygges opp ut fra sensorinformasjon. Tilnærmingene varierer etter sensorgrunnlag (kamera, lidar, radar) og hvordan beregningen utføres. Totalt finnes det filterbaserte metoder og optimeringsbaserte metoder, ofte delt i front-end og back-end. Mange tilnærminger kombinerer også visuelle og ikke-visuelle sensorer (for eksempel visual-inertial SLAM).
Filterbaserte SLAM-systemer, som EKF-SLAM og UKF-SLAM, bruker sannsynlighetsfiltre for å oppdatere pose og kart kontinuerlig når
Optimeringsbaserte eller grafbaserte SLAM-systemer modellerer miljøet som et sett med wedger mellom posene (posegraf) og noen
Visuelle SLAM-systemer bruker kameraer, og kan være monokulære, stereo eller RGB-D. De deles ofte inn i feature-baserte
Vanlige utfordringer inkluderer drift og loop-sjekk, dynamiske objekter, tilstrekkelig dataassosiasjon og beregningsbegrensninger for sanntid eller offline