SLAM的英文全程是 “Simultaneous Localization and Mapping”，中文译为“同时定位与地图创建”。SLAM试图解决这样的问题：一个机器人在未知的环境中运动，如何通过对环境的观测确定自身的运动轨迹，同时构建出环境的地图。SLAM技术正是为了实现这个目标涉及到的诸多技术的总和。
SLAM技术距今已有 30 余年的发展历史，根据传感器不同，分为视觉SLAM和激光SLAM两类。相比于深度学习、大数据等词汇，听过的人少之又少，国内从事相关研究的机构更是屈指可数。直至最近三年，SLAM才逐渐成为国内机器人和无人驾驶的热门研究方向，在当前比较热门的一些创业方向中崭露头角：
VR/AR领域 根据 SLAM 得到地图和当前视角对叠加虚拟物体做相应渲染，这样做可以使得叠加的虚拟物体看起来比较真实，没有违和感；
无人机领域 SLAM可以构建局部地图，辅助无人机进行自主避障、规划路径；
无人驾驶领域 SLAM 技术可以提供视觉里程计功能，然后跟其他的定位方式融合；
机器人领域 SLAM 可以用于生成环境的地图。基于这个地图，机器人执行路径规划、自主探索、导航等任务。
提起SLAM的重要性，有人说，SLAM是无人驾驶技术的灵魂；也有人曾打比方说，机器人离开了SLAM，就像手机离开了WiFi和数据网络一样。之所以没有受到广泛关注，主要在于这个方向难度很大，入门资料很少，需要较强的Linux系统下的C和C++编程能力。同时，机器人、无人机、无人驾驶、增强现实等企业的需求旺盛，这些原因直接或者间接导致国内SLAM技术人才稀缺，薪资一路飞涨。
困难多意味着收获也多，坎坷的道路才能历练出真本事。
