即时定位与地图构建（simultaneous localization and mapping; SLAM），由R.史密斯（R.Smith）、M.塞尔夫（M.Self）和 P.奇斯曼（P.Cheeseman）于1988年提出。由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。即时定位与地图构建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。

即时定位与地图构建问题可以描述为机器人在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计和传感器数据进行自身定位，同时建造增量式地图。即时定位与地图构建的关键性问题包括5个方面：①如何进行环境描述，即环境地图的表示方法；②怎样获得环境信息，机器人在环境中漫游并记录传感器的感知数据，这涉及机器人的定位与环境特征提取问题；③怎样表示获得的环境信息，并根据环境信息更新地图，这需要解决对不确定信息的描述和处理方法；④如何完成在没有全球定位系统环境下的移动机器人自定位，当前机器人大多考虑采用各种机载的传感器进行定位；⑤如何规划探索路径，使得机器人在较短时间内的感知范围覆盖尽可能大的区域，提高地图创建的效率。

随着传感器种类和安装方式的不同，即时定位与地图构建的实现方式和难度会有很大差异。按传感器来分，即时定位与地图构建主要分为激光即时定位与地图构建、视觉即时定位与地图构建两类。早期即时定位与地图构建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。进入21世纪，学者们开始借鉴运动构建结构（structure from motion; SFM）中的方式，以优化理论为基础求解即时定位与地图构建问题。这种方式取得了一定的成就，并且在视觉即时定位与地图构建领域中取得了主导地位。