SLAM算法，即同步定位與地圖構建（Simultaneous Localization and Mapping），是一種用於解決機器人在未知環境中運動時的定位和地圖構建問題的技術。它主要涉及相機在空間中的定位以及創建環境的地圖。在無人駕駛領域，SLAM技術可以提供視覺里程計功能，並與其他的定位方式融合使用。
SLAM技術涵蓋範圍廣泛，可以根據不同的感測器、套用場景、核心算法等進行分類。例如，FastSLAM利用粒子濾波來預測機器人的路徑後驗機率，相比傳統的基於擴展卡爾曼濾波（EKF）的SLAM，FastSLAM能夠更好地處理路標點的增加和錯誤觀測的問題。
SLAM算法的優勢包括在靜態環境下定位準確、穩定，以及單目和雙目版本都可以達到實時處理速度。它們通常具有較好的代碼可讀性和可擴展性。然而，這些算法構建的地圖點雲可能較為稀疏，且在運行速度方面受到特徵點提取時間的限制。此外，它們對動態物體較為敏感，可能在動態環境下容易丟失跟蹤。
另一方面，直接法SLAM算法，如DSO（Direct Sparse Odometry），能夠生成相當稠密的點雲，但在速度上可能不如特徵法SLAM。DSO對場景光照的要求較高，且代碼的可擴展性相對較差。
總的來說，SLAM算法在機器人和計算機視覺領域是一個熱門研究方向，它包括了多種不同的實現方式和套用場景。