SLAM是指运动物体根据传感器的信息，计算自身位置的同时构建环境地图的过程，解决机器人等在未知环境下运动时的定位与地图构建问题。目前SLAM主要应用于机器人、无人驾驶等领域。
SLAM的实现方式和难度按传感器来分会有一定的差异，主要分为激光SLAM 和V－SLAM 两大类。其中，激光SLAM比V－SLAM起步早。基于视觉的SLAM方案目前主要有两种实现路径，一种是基于RGBD的深度摄像机；还有一种就是基于单目、双目或者鱼眼摄像头的。随着计算机视觉的迅速发展，视觉 SLAM 因为信息量大，适用范围广等优点受到广泛关注。
成本
不管是国产还是国外的激光，价格差异较大，成本相对来说比较高。目前国内也有低成本激光雷达解决方案，但是在场景落地上低成本雷达还是有一些隐患。V－SLAM 主要是通过摄像头来采集数据信息，和激光雷达对比，摄像头的成本相对来说要低一些。
应用场景
从应用场景来说，V－SLAM的应用场景要丰富很多。V－SLAM 在室内外环境下均能开展工作，但是对光的依赖程度略高，在暗处或者一些无纹理区域是无法进行工作的。而激光SLAM目前主要被应用在室内，用来进行地图构建和导航工作。
地图精度
激光SLAM在构建地图的时候，精度较高，较为普遍的是各家都能做到全局5cm 左右；V－SLAM，比如常见的深度摄像机，地图构建精度约3cm。
易用性
激光SLAM和基于深度相机的V－SLAM均是通过直接获取环境中的点云数据，根据生成的点云数据，测算哪里有障碍物以及障碍物的距离。但是基于单目、双目、鱼眼摄像机的 VSLAM 方案，则不能直接获得环境中的点云，而是形成灰色或彩色图像，需要通过不断移动自身的位置，通过提取、匹配特征点，利用三角测距的方法测算出障碍物的距离。除此之外，在延展性上，拥有图像处理能力的视觉SLAM能更好得与其他外接设备配合。
