Samanaikainen paikannus ja kartoitus (SLAM) on keskeinen elementti mobiilirobotiikka järjestelmässä, ja mahdollistaa kartan luomisen ja siten myös navigoinnin. Erilaisia sensoreita ja SLAM-metodeja hyödynnetään riippuen ympäristön kompleksisuudesta sekä laajuudesta. Laserkeilaimet ovat perinteisesti hyvin suosittu vaihtoehto kartoittamiseen, mutta niiden haasteena on esteiden etäisyyksien mittauksen rajoittuminen yhteen tasoon. Tällöin olennaisia esteitä saattaa jäädä lasertason ulkopuolelle, jolloin törmääminen on mahdollista.

Kompleksinen ympäristö on tila, joka sisältää useita erimuotoisia ja kokoisia objekteja. Tässä työssä kompleksisen ympäristön haasteeseen (haaste liikkua turvallisesti kyseisessä ympäristössä) pyritään vastaamaan RGB-D kameralla, jolla on ominaisuus mitata 3D-pistepilvi ympäristöstään. 3D-pistepilvi muunnetaan 2-ulotteiseksi (2-D) etäisyysmittaukseksi partikkelisuodin-pohjaista SLAM algoritmia varten, jonka avulla 2-D kartta voidaan rakentaa. Työssä tutkitaan, millaisia vaikutuksia pistepilven rajaamisella korkeussuunnassa mobiilirobotin koon mukaisesti on SLAM prosessiin. Datan keräys tapahtui toimistoympäristössä, johon oli sijoitettu erikokoisia ja -muotoisia esteitä. Arvioinnissa otettiin huomioon viisi eri elementtiä, jotka enimmäkseen liittyvät SLAM toimintaan. Työssä analysoitiin visuaaliset kartat, partikkeleiden uudelleen otanta prosessi, skannauksen sovitus prosessi, CPU kuormitus, ja tarkkuus on mitattu keskineliövirheen neliöjuurella (RMSE).

Tutkimuksessa havaittiin, että pistepilven rajoittamisella mobiilirobotin mukaisesti ei ole juurikaan vaikutusta paikannustarkkuuteen. Tulokset osoittivat myös, että laajempi pistepilven rajoittaminen johti merkittävästi skannauksen sovitusvirheiden kasvuun ja siten sillä oli vaikutusta SLAM algoritmin toimintaan.