SLAM后端（Simultaneous Localization and Mapping Backend）是同步定位与建图系统中负责全局优化和闭环检测的核心模块。它通过处理前端输出的传感器数据（如激光雷达、视觉特征点等），构建环境地图并优化机器人的运动轨迹。与前端侧重实时性不同，后端采用图优化或滤波算法，对累积误差进行全局修正，其典型实现包括基于因子图的g2o框架或GTSAM库。当系统检测到曾经访问过的场景（闭环）时，后端会通过位姿图优化实现轨迹与地图的全局一致性。
在自动驾驶领域，SLAM后端的稳定性直接影响高精地图构建和定位精度。例如当车辆在GPS信号缺失的隧道中行驶时，后端通过融合多传感器数据维持厘米级定位，而闭环检测能力则能纠正长期行驶产生的漂移误差。现代SLAM后端正朝着多传感器紧耦合的方向发展，如视觉-惯性-激光雷达融合系统，这对自动驾驶在复杂城市场景中的鲁棒性至关重要。感兴趣的读者可进一步阅读《Probabilistic Robotics》中关于SLAM算法的系统论述。