使用EKFSLAM使用扩展卡尔曼滤波器（EKF）算法和数据关联的最大似然算法来实现地标同时定位和映射（SLAM）的可靠实施。在此示例中，您可以创建车辆的立即周围环境的地标图，并同时跟踪车辆的路径。通过使用嘈杂的控制命令移动车辆来生成轨迹，并使用沿路径遇到的地标形成地图。通过再次观察地标，纠正车辆轨迹和地标估计。

结合机器人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。

使用点云处理算法和姿势图优化来演示如何在收集的3-D LIDAR传感器数据上实现同时定位和映射（SLAM）算法。该示例的目的是估计机器人的轨迹，并从3-D LiDAR点云和估计的轨迹创建一个3-D占用地图。

使用姿势图优化演示如何在收集的LIDAR扫描上实现同时定位和映射（SLAM）算法。此示例的目标是使用LIDAR扫描构建环境的地图，并检索机器人的轨迹。

使用姿势图优化来演示如何在模拟环境中获得的LIDAR扫描上的同时定位和映射（SLAM）算法。此示例需要Simulink®3D动画™和导航金宝app工具箱™。