Gmapping算法是一種基於RBPF（Rao-Blackwellized Particle Filters）的SLAM（同時定位與地圖構建）算法，主要用於構建二維柵格地圖。其特點如下：
改進提議分布。Gmapping考慮了運動（里程計）信息和最近的一次觀測（雷射）信息，使得提議分布更加精確，從而更接近目標分布。
選擇性重採樣。通過設定閾值，只有在粒子權重變化超過閾值時才執行重採樣，這樣可以大大減少重採樣的次數。
Gmapping的優點包括：
能夠實時構建室內環境地圖，特別是在小場景中，計算量少且地圖精度較高。
與Hector SLAM相比，對雷射雷達頻率的要求較低，且魯棒性較高；與Cartographer相比，在構建小場景地圖時，Gmapping不需要太多的粒子，沒有迴環檢測，因此計算量小於Cartographer，而且精度相差不大。
有效利用車輪里程計信息，這是Gmapping對雷射雷達頻率要求較低的原因之一。
Gmapping的缺點則是：
隨著環境增大，構建地圖所需的記憶體和計算量會顯著增加，因此不適合大場景地圖構建。
沒有迴環檢測功能，在迴環閉合時可能會造成地圖錯位。
Gmapping是ROS（機器人作業系統）中navigation導航包集中推薦的二維建圖算法包，其具體實現在open_gmapping包里，並在ROS中做了封裝。