1. SLAM基本原理与数学框架
1.1 核心概念与工作原理
SLAM（Simultaneous Localization and Mapping）即同步定位与地图构建，其核心目标是让机器人或移动设备在未知环境中，一边感知并构建环境地图，一边确定自身在该地图中的位置。这一过程本质上是一个自适应的闭环系统，通过传感器数据推断机器人的位姿（位置和姿态），同时利用位姿信息构建环境模型，两者相互依赖、相互校正。
想象一下，你被蒙上眼睛带入一个陌生房间，只能用手触摸周围物体，边走边在脑中绘制房间布局，并随时估算自己所在位置——这就是SLAM的直观类比。SLAM系统必须在没有先验地图的情况下，通过实时感知与自主规划路径实现高精度导航，这一特性使其在复杂、未知环境中具有不可替代的价值。
1.2 数学框架与状态估计
SLAM的数学框架建立在状态估计与概率建模的基础上，主要包含以下核心组件：
1.1 状态空间模型
机器人状态（位置、姿态）和环境路标构成联合状态向量：
xt=f(xt−1,ut)+wt \mathbf{x} t = f(\mathbf{x} {t-1}, \mathbf{u}_t) + \mathbf{w}_t
