计算机视觉和slam区别：slam是计算机视觉的一种更加具体的应用技术。为了更加清晰地说明这一点，我们以下对slam的工作原理做展开介绍：

slam即simultaneous localization and mapping，即时定位与地图构建。我们构建这样一个场景：将一个机器人放在未知环境中，是否有办法让机器人一边走一边描绘出此环境的地图，同时让机器人可以知道下一步往哪个方向走。例如好奇号火星探测器、扫地机器人等。

SLAM最早由Smith、Self和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。

当机器人来到一个陌生的环境中时，它应该学会做以下几件事。

（1）使用双目摄像机扫描周围的事物，如地表，大树，建筑等，并抽取建筑物的相关特征。

（2）根据双目获得的图像信息，使用某种算法将地图的3d场景构建出来。

（3）进行行走时，需要根据新获得的信息来对已构造的3d场景进行修正。

（4）确定自己在该场景中的位置，并根据探索算法来推算出自己下一步该移动的方向。

上述四步是同时进行的，因此是simultaneous localization and mapping。由上我们可以看到slam是一个十分具体的任务，在这个任务中会用到计算机视觉的相关知识如：三维重建，双目视觉等。但是，它不仅仅只有计算机视觉的内容，它还必须自主进行探索，因此还涉及到其他内容如控制算法。