文献综述（或调研报告）：
3.1、SLAM国内外研究现状
自从上世纪80年代SLAM概念的提出到现在，SLAM技术已经走过了30多年的历史。SLAM系统使用的传感器在不断拓展，从早期的声呐，到后来的2D/3D激光雷达，再到单目、双目、RGBD、ToF等各种相机，以及与惯性测量单元IMU等传感器的融合；SLAM的算法也从开始的基于滤波器的方法（EKF、PF等）向基于优化的方法转变，技术框架也从开始的单一线程向多线程演进。其代表性的SLAM技术有激光雷达(LiDAR)SLAM和视觉SLAM。
3.1.1、激光雷达SLAM的发展
LiDAR-SLAM采用2D或3D激光雷达(也叫单线或多线激光雷达)，在室内机器人(如扫地机器人)上一般使用2D激光雷达，在无人驾驶领域一般使用3D激光雷达。
激光雷达的优点是测量精确，能够比较精准的提供角度(低于1°的角度精度)和距离(厘米级别)信息，扫描范围广(通常能够覆盖平面内270°以上的范围)，可以达到较高的数据刷新率(2Hz以上)，基本满足实时操作的需要；缺点是价格比较昂贵，安装部署对结构有要求(要求扫描平面无遮挡)。
激光雷达SLAM的主要研究成果包括：Sebastian Thrun的著作《Probabilistic Robotics》(2015)中提到的利用2D激光雷达基于概率方法进行地图构建和定位的理论基础，且阐述了基于RBPF粒子滤波器的FastSLAM方法，成为后来2D激光雷达建图的标准方法之一GMapping的基础，该算法也被集成到机器人操作系统ROS中；2016年，Google开源其激光雷达SLAM算法库Cartographer，它改进了GMapping计算复杂、没有有效处理闭环的缺点，采用SubMap和Scan Match的思想构建地图，能够有效处理闭环，达到了较好的效果。
3.1.2、视觉SLAM的发展
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
