SLAM or CML

SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建，或并发建图与定位。 SLAM最早由Smith、Self和Cheeseman于1988年提出。 由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。

SLAM问题可以描述为: 机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图，实现机器人的自主定位和导航。

定位(localization):  机器人必须知道自己在环境中位置。

建图(mapping):   机器人必须记录环境中特征的位置（如果知道自己的位置）。

SLAM：  机器人在定位的同时建立环境地图，其基本原理是运过概率统计的方法，通过多特征匹配来达到定位和减少定位误差的。（kalman filter）

SLAM的四个基本问题：

1. 如何进行环境描述，即环境地图的表示方法；

2. 怎样获取环境信息，机器人在环境中漫游并记录传感器的感知数据，这涉及到机器人的定位与环境特征提取问题；

3. 怎样表示获得的环境信息，并根据环境信息更新地图，这需要解决对不确定信息的描述和处理方法；

4. 发展稳定可靠的SLAM算法。

一些描述可以参见http://wenku.baidu.com/link?url=r6xZFvMFjoEBE9sENkPU5WA7TotB47WZae8jiLAGJuGBa6piwoVON3_xc9v74S0U2w4fWHByc9VetyG2-z5TqHk4zm_RcbFsqUtFKaA3TZC