使用扩展卡尔曼滤波(EKF)算法和数据关联的最大似然算法，使用ekfSLAM可靠地实现地标同时定位和映射(SLAM)。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。通过再次观察地标来修正车辆轨迹和地标估计。

结合机器人里程测量数据和观察到的基准标记，称为AprilTags，以更好地估计机器人轨迹和环境中的地标位置。该示例使用了姿态图方法和因子图方法，并对两种图进行了比较。

演示了如何使用点云处理算法和姿态图优化在收集的3d激光雷达传感器数据上实现同步定位和映射(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的轨迹创建环境的三维占用地图。

演示了如何使用姿态图优化在收集的一系列激光雷达扫描上实现同步定位和映射(SLAM)算法。本示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。

演示了如何在使用姿态图优化从模拟环境中获得的激光雷达扫描上实现同步定位和映射(SLAM)算法。这个例子需要Simulink®3D动画™和导航工具箱™。