一、经典视觉SLAM框架
1、传感器信息读取：在视觉SLAM中主要为相机图像信息的读取和预处理。如果是在机器人中，还可能有码盘、惯性传感器（IMU）等信息的读取和同步。
2、前端视觉里程计（Visual Odometry，VO)：视觉里程计的主要任务是估算相邻图像间相机的运动，以及局部地图的样子。VO又称为前端。
视觉里程计只计算相邻时刻的运动，而和过去的信息没有关系。因此，如果仅用视觉里程计来估计轨迹，将不可避免地出现累积漂移（Accumulation Drift）。
3、后端（非线性）优化（Optimization）：后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。又称为后端。
如何从这些带有噪声的数据中估计整个系统的状态，以及这个状态估计的不确定性有多大，这称为最大后验概率估计（Maximum-a-Posteriori, MAP）。
在视觉SLAM中，前端和计算机视觉研究领域更为相关，比如图像的特征提取和匹配等，后端则主要是滤波和非线性优化算法。
SLAM问题的本质：对运动主体自身和周围环境空间不确定性的估计。
4、回环检测（Loop Closure Detection）：回环检测判断机器人是否到达过先前的位置。如果检测到回环，它会把信息提供给后端进行处理。
回环检测主要解决位置估计随时间漂移的问题。视觉回环检测本质上是一种计算图像数据相似性的算法。
5、建图（Mapping）：根据估计的轨迹，建立与任务要求对应的地图。