正如上圖所示，在人的視野里看到的情況如圖（1）所示，但對于只裝配了2D激光雷達的機器人而言，它看到的世界卻是圖（2）中的樣子。因此，前端如何充分可靠地的獲取更多的有效信息一直是眾多SLAM研究者所研究的一個話題。

同時，傳感器均會存在噪聲，無論是傳感器本身固有的噪聲還是獲取的錯誤數(shù)據(jù)，均會對SLAM造成影響。故SLAM的另一個核心問題是：如何從這些帶有噪聲的信息中，最優(yōu)地估計出機器人的位姿以及地圖信息。

目前SLAM處理后端的方法可大致分為兩類：基于概率模型的方法和基于優(yōu)化的方法。基于概率模型的SLAM是2D-SLAM中比較主流的方法，比較具有代表性的有EKF、UKF以及PF等，這方面的研究已經(jīng)相對比較成熟，也逐