一、hector
hector采用泰勒展开近似优化激光雷达数据的匹配过程，因此两次激光雷达采集数据时位姿变化不能太大，否则余项误差过大，造成建图失败——这也是为什么在hector论文中需要使用到扫描频率高达40Hz的激光雷达，如果使用10Hz的激光雷达，很容易建图失败（尤其在转向速度较大的时候）。
二、gmapping
gmapping采用粒子滤波方法，但其基本匹配过程仍然是通过odom获得初始位姿估计，然后迭代比较（scanmatcher）优化激光雷达数据的匹配过程，其匹配范围可以简单地通过（步长*迭代次数）确定，意味着超过迭代范围的误差将导致建图失败，因此如果odom是通过简单的差速计算得到的，那么在转向速度较大的时候，odom误差将急剧增加，很容易导致建图失败，可以通过卡尔曼滤波（robot_pose_ekf等）加入惯导数据提高odom的精度，从而提高gmapping实际建图过程中的稳定性。