同步定位與建圖（Simultaneous Localization and Mapping，簡稱 SLAM）係自動駕駛汽車、高級輔助駕駛系統（ADAS）及移動機器人實現自主導航嘅核心演算法技術。當車輛行駛喺未知嘅環境中時，佢無法只靠衛星導航（GPS/GNSS）嚟實現厘米級嘅精確定位，因為衛星信號喺遭遇高樓林立嘅城市峽谷、隧道或者地下停車場時極易發生漂移或丟失。SLAM 技術允許車輛喺移動過程中，利用車載傳感器（如激光雷達、毫米波雷達、攝像頭同慣性測量單元）實時感知周圍環境，一邊構建周遭嘅局部高精度地圖，一邊計出自身喺地圖中嘅精確相對坐標。
SLAM 系統主要分做視覺 SLAM（V-SLAM）同激光 SLAM（Lidar SLAM）兩大主流技術流派。
視覺 SLAM 主要依賴高分辨率車載鏡頭捕捉環境紋理，透過多幀圖像嘅幾何三角測量同特徵點匹配嚟估算運動軌跡，成本較低且語義資訊豐富，但對光照條件變化較敏感。激光 SLAM 則透過高速旋轉嘅激光雷達發射激光束，利用測距原理生成稠密嘅“點雲”三維空間幾何結構圖，具有極高嘅測距精度同全天候作業能力。喺實際嘅高級自動駕駛應用中，往往採納多傳感器融合（Sensor Fusion）方案，將激光、視覺同 IMU（慣性傳感器）嘅數據進行緊密耦合，以確保喺複雜動態環境下嘅定位冗餘同高可靠性。
SLAM 技術係汽車實現高級別自動駕駛（如高速/城市導航輔助駕駛、全自動泊車 APA 及無人代客泊車 AVP）嘅底層技術基石。
喺地下停車場或者冇衛星信號覆蓋嘅封閉區域，車輛無法依賴高精地圖進行傳統導航。此時，車載 SLAM 系統能夠現場動態構建周圍停車場柱子、牆壁同車位嘅實時地圖，引導車輛安全無誤咁避開障礙物並精準停入車位。佢賦予咗智能汽車喺“無圖”或者衛星信號惡劣區域嘅自主獨立生存同精準導航能力。
嚴禁喺惡劣極端天氣（如暴雨、濃霧、大雪）或者傳感器視場角被嚴重遮擋污染時，盲目依賴 SLAM 算法進行高危自動駕駛導航：
SLAM 算法高度依賴傳感器對環境特徵嘅穩定捕捉。當鏡頭被泥濘遮擋或者激光雷達因大雪冰凍無法正常發射接收時，算法會出現特徵點丟失或錯誤匹配，導致定位漂移或建圖失效。司機必須隨時保持警戒，準備喺系統發出傳感器受阻警告時接管車輛。
嚴禁喺動態環境嚴重干擾（例如車庫內頻繁有大量行人、移動車輛穿梭）嘅情況下，忽略 SLAM 算法對運動物體嘅濾除缺陷：
傳統嘅 SLAM 算法喺初期假設環境係靜態嘅。如果周圍存在大量高速移動嘅干擾物體，算法極易將動態物體錯誤誤判為靜態地圖特徵，導致定位軌跡發生嚴重畸變。高級自動駕駛系統必須配合深度學習同動態目標剔除機制，確保複雜人車混行環境下嘅定位安全。
