视觉同时定位和映射（SLAM）正迅速成为嵌入式视觉领域的一项重要进步，具有许多不同的可能应用。 从商业角度来说，这项技术仍处于起步阶段。 然而，这是一项有前景的创新，可以解决其他视觉和导航系统的缺点，并具有巨大的商业潜力。

    Visual SLAM不涉及任何特定的算法或软件。 它涉及确定传感器相对于其周围的位置和方向的过程，同时映射该传感器周围的环境。
    有几种不同类型的SLAM技术，其中一些根本不涉及相机。 视觉SLAM是一种特定类型的SLAM系统，当传感器的周围的环境和位置都不知道时，SLAM系统利用3D视觉执行定位和映射功能。 视觉SLAM技术以不同形式出现，但整体概念在所有视觉SLAM系统中的功能都是相同的。
    大多数视觉SLAM系统通过连续相机帧追踪设定点来对其三维位置进行三角测量，同时使用该信息来近似相机姿态。基本上，这些系统的目标是将他们的环境与他们自己的位置相关以用于导航。
与其他形式的SLAM技术不同，这可以通过单个3D视觉相机来实现。只要有足够数量的点通过每个帧被跟踪，传感器的方向和周围物理环境的结构都可以被快速理解。
    所有视觉SLAM系统都在不断努力，通过一种称为束调整的算法解决方案来最小化重投影误差或投影点与实际点之间的差异。视觉SLAM系统需要实时运行，因此经常需要对位置数据和地图数据分别进行束调整，但同时要在处理速度最终合并之前实现更快的处理速度。
    从商业角度讲，视觉SLAM仍处于起步阶段。虽然它在广泛的环境中具有巨大的潜力，但它仍然是一项新兴技术。这就是说，它很可能是增强现实应用程序的重要组成部分。准确地将虚拟图像投影到物理世界上需要对物理环境进行精确映射，并且只有视觉SLAM技术才能提供此级别的准确性。
    视觉SLAM系统也用于各种现场机器人。例如，探测火星的漫游者和登陆者使用视觉SLAM系统自主导航。农业领域的机器人以及无人机可以使用相同的技术在农田周围独立旅行。自动驾驶车辆可以使用视觉SLAM系统来绘制和理解周围的世界。
    视觉SLAM系统的一个主要潜在机会是取代某些应用中的GPS跟踪和导航。 GPS系统在室内或天空视野受阻的大城市无用，而且它们仅在几米内准确无误。视觉SLAM系统可以解决所有这些问题，因为它们不依赖于卫星信息，并且能够准确测量周围的物理世界。
    视觉SLAM技术有许多潜在的应用，对这项技术的需求可能会增加，因为它有助于增强现实，自动驾驶车辆和其他产品在商业上更具可行性。
    在事先不了解数据点的情况下，感知摄像机位置以及周围环境的能力非常困难。视觉SLAM系统在应对这一挑战方面非常有效，而且正在成为现有最先进的嵌入式视觉技术之一。