SLAM 全稱是 Simultaneous Localization and Mapping《同時定位與地圖構建》，是機器人和計算機視覺領域的關鍵技術，可以在未知環境中確定自身方位並同時構建環境三維地圖，有著非常廣泛的應用場景，比如說增強現實、虛擬現實等。
視覺 SLAM 的挑戰與解決方案
經過幾十年的發展，視覺 SLAM 在理論上已經比較成熟，但是在實際產品應用中，往往會面臨兩方面的挑戰。
一是關於精度和穩定性。
實際場景中，難免會存在動態變化，而且很多區域沒有足夠的紋理，或有相似的重復紋理。
這些都會導致匹配比較困難，從而導致優化計算不穩定。
二是實時性，在一些非常大尺度的場景下，甚至是城市級的場景下，SLAM的計算復雜度會非常高。
要在一個低功耗的移動設備上做到實時計算，這個難度非常大的。
提升穩定性的主要思路是如何讓目標函數優化變得穩定。
SLAM 計算其實就是一個目標函數的優化問題，因此優化方程的正確性和充分性就顯得非常重要。
視覺 SLAM 應用於室內 AR 導航
傳統的定位導航方案是GPS，而且隻適合於室外，精度通常隻有10米級別。
室內一般較常采用的方案有WiFi、藍牙，通常定位精度也基本上隻能到米級， 而且要預先去佈置設備，工程量比較大、成本比較高。
相比而言，基於視覺的方案定位，精度可以達到分米甚至厘米級別，而且不需要額外佈置設備，成本相對比較低。
基於視覺的定位與AR導航，主要分為三大模塊，分別是稀疏地圖重建、稠密地圖重建和視覺定位與跟蹤。
