SLAM同时定位和建图的全称

SLAM按传感器不同的配置可配置激光SLAM、视觉SLAM与多传感器集成SLAM。

一个经典的SLAM框架如图所示。
经典SLAM框架

视觉SLAM传感器数据自然是一帧帧的图像流。从上图可以看出，经典的视觉SLAM系统主要包括前端、后端、回环检测和建图等四个模块。
**前端(又称视觉里程计)**处理传感器发送的每帧数据，估计相邻帧的位置，为后端优化提供初始位置。
后端优化前端发送的初始位置和回环检测信息，全局一致的轨迹和地图。
回环检测任务是判断运动主体是否在进行一段时间SLAM任务结束后，它回到了它们之间的位置，在消除累积误差方面起着重要作用。
建图根据估计轨迹，建立符合任务要求的地图。

我们可以把自己想象成一个SLAM系统。一定是对的SLAM系统有了一个感性的认识，本节将上升到理性层次，谈一谈SLAM数学模型。
“在观察周围环境的同时，我们走在一个陌生的环境中可用以下两个方程表示：

x_k=f(x_k-1,u_k,w_k) (1)

z_k,j=h(y_j,x_k,v_k,j) (2)

(1)表示我们一边走状态，叫运动方程；x表达了我们当时的位置，u它可以表示我们在某个时刻的速度，w是我们假设的噪音（因为任何传感器的测量都包含噪声）。运动方程的意思是我们在位姿x_k-1时，以u_k运动一步的速度，叠加噪音w_k我们现在的姿势是x_k。。
(2)表示我们观察周围环境“的状态，叫观测方程。y表示我们看到的世界路标点，z这些路标点在我们视网膜上的映射数据，v还是噪音。观察方程意味着我们的位置是x_k看到周围的环境路标点y_j，叠加噪声v_k,j路标点映射到我们视网膜上的数据z_k,j。

尽管我们知道视觉SLAM两个数学表示方程，但我还是不明白他是怎么表达的SLAM对于主体的位置和姿势，将机器人主体位置的表示放在下一节。