1、什么是AR？
增强现实技术（Augmented Reality，简称 AR），是一种实时地计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技术，这种技术的目标是在屏幕上把虚拟世界套在现实世界并进行互动。这种技术1990年提出。
2、什么是SLAM
SLAM是Simultaneous Localization and Mapping的缩写，意为“同时定位与建图”。它是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程。目前，SLAM的应用领域主要有机器人、虚拟现实和增强现实。其用途包括传感器自身的定位，以及后续的路径规划、场景理解。
3、AR和SLAM的关系？
SLAM只是AR中的一种技术，SLAM技术可以估计出相机的位置，进而汇出空间地图。不同的AR应用可以使用SLAM估计出的相机位置和地图进行不同的操作。但是SLAM也不仅仅应用于AR，它还可以用于机器人，无人驾驶等领域。
4、什么是ORB-SLAM？
ORB-SLAM是基于ORB特征的SLAM算法，是由西班牙的几个研究者提出的，由于其算法开源，所以受到广泛的关注。其实ORB-SLAM技术是目前性能最好的一种，对单目，双目，RGB-D三种形式的及时定位都有很好的效果，而且其代码是开源的，所以比较受欢迎。
5、SLAM是如何分类的？
随着传感器种类和安装方式的不同，SLAM的实现方式和难度会有很大差异。按传感器来分，SLAM主要分为激光、视觉两大类。其中，激光SLAM研究较早，理论和工程均比较成熟。视觉方案目前（2016）尚处于实验室研究阶段，极少看到实际产品应用。
SLAM研究自1988年提出以来，已经过了近三十年。早期SLAM研究侧重于使用滤波器理论，最小化运动体位姿和地图的路标点的噪声。21世纪之后，学者们开始借鉴SfM(Structure from Motion)中的方式，以优化理论为基础求解SLAM问题。这种方式取得了一定的成就，并且在视觉SLAM领域中取得了主导地位。
激光传感器：激光传感器可以直接获得相对于环境的直接距离信息，从而实现直接相对定位，对于激光传感器的绝对定位及轨迹优化可以在相对定位的基础上进行。
视觉传感器：视觉传感器很难直接获得相对于环境的直接距离信息，而必须通过两帧或多帧图像来估计自身的位姿变化，再通过累积位姿变化计算当前位置。这种方法更类似于直接用里程计进行定位，即视觉里程计（Visual Odometry）。里程计的测量积分后才相当于激光传感器直接获得的定位信息，这就是图优化SLAM框架中的前端。而后端对定位和位姿轨迹的优化本质上与激光传感器的优化相同，都基于最优估计的理论框架进行。
视觉SLAM按照相机的类型和安装方式又可以分为单目，双目，RGB-D三类。当前RGB-D是最容易处理的一种情况。
6、SLAM和视觉里程计有什么关系？
人们有时候会混淆SLAM和视觉里程计（Visual Odometry）的概念。应该说，视觉里程计是SLAM的一个模块，其目的在于增量式地估计相机运动。然而，完整的SLAM还包括添加回环检测和全局优化，以获得精确的、全局一致的地图。
视觉里程计通常作为SLAM系统的前端。它增量式的计算方法能估计邻近帧间的相机运动，但这也意味着邻近帧间的误差会影响之后的轨迹估计，意味着它会随着时间推移，产生漂移。同时，视觉里程计也不含有建图模块。一个完整的SLAM系统会关心相机轨迹和地图的全局一致性，但这也意味着需要更多的计算资源来计算全局的优化。在资源有限、不关心全局路径的场合（如无人机的着陆、短时间控制中），可以考虑只使用视觉里程计，而不必使用完整的SLAM。
7、SLAM和SFM的关系？
视觉SLAM中大量使用了SfM（Structure from Motion）中的方法，如特征点跟踪、捆集优化(Bundle Adjustment)等，以至于许多研究者把它们视为同一个研究领域。然而，尽管方法上很相似，SLAM和SfM的侧重点是不同的。SLAM的应用场合主要在机器人和VR/AR，计算资源有限，需要很强的实时性，故侧重点在于，如何在有限的资源里快速地对相机进行定位。而SfM方法通常是离线的，可以调用大量计算资源进行长时间的计算，侧重于重建出更精确、美观的场景。
8、什么是VIO？
VIO就是结合visual和IMU的信息来进行SLAM。IMU是惯性信息，Inertial Measurement Unit。Visual是相机拍摄的图像视频信息。
