利用扩展卡尔曼滤波(EKF)算法和极大似然算法进行数据关联，使用ekfSLAM实现地标同步定位与映射(SLAM)的可靠实现。在本例中，您将创建车辆周围环境的地标地图，并同时跟踪车辆的路径。通过使用噪声控制命令移动车辆来生成轨迹，并使用它在路径上遇到的地标形成地图。通过再次观察路标，修正车辆轨迹和路标估计。

结合机器人的里程计数据和观察到的基准标记称为AprilTags，以更好地估计机器人的轨迹和环境中的地标位置。该示例使用姿势图方法和因子图方法，并对这两种图进行比较。

演示了如何利用点云处理算法和位姿图优化实现对采集到的三维激光雷达传感器数据的同步定位与映射(SLAM)算法。本例的目标是估计机器人的轨迹，并根据三维激光雷达点云和估计轨迹创建环境的三维占用图。

演示如何实现同步定位和映射(SLAM)算法上收集的一系列激光雷达扫描使用位姿图优化。本例的目标是使用激光雷达扫描构建环境地图并检索机器人的轨迹。

演示了如何利用位姿图优化实现激光雷达扫描的同步定位与映射(SLAM)算法。这个例子需要Simulink®3D动画™和导航工具箱™。