激光雷达事实上有许多档次，成本都高于视觉传感器。最昂贵如Velodyne的室外远距离多线雷达动辄数十万元人民币，而室外使用的高端中远距离平面雷达如SICK和Hokuyo大约在数万元人民币的等级。室内应用较广的中低端近距离平面激光雷达也需要千元级，其价格相当于比较高端的工业级摄像头和感光芯片。激光雷达量产后成本可能会大幅下降，但能否降到同档次摄像头的水平仍有一个大大的问号。

传感器安装和稳定性

目前常见的激光雷达都是旋转扫描式的，内部长期处于旋转中的机械结构会给系统带来不稳定性，在颠簸震动时影响尤其明显。而摄像头不包含运动机械结构，对空间要求更低，可以在更多的场景下安装使用。不过，固态激光雷达的逐步成熟可能会为激光SLAM扳回这项劣势。

累计误差问题

激光SLAM总体来讲较为缺乏回环检测的能力，累计误差的消除较为困难。而视觉SLAM使用了大量冗余的纹理信息，回环检测较为容易，即使在前端累计一定误差的情况下仍能通过回环修正将误差消除。

定位和地图的构建精度

在静态且简单的环境中，激光SLAM定位总体来讲优于视觉SLAM；但在较大尺度且动态的环境中，视觉SLAM因为其具有的纹理信息，表现出更好的效果。在地图构建上，激光SLAM的特点是单点和单次测量都更精确，但地图信息量更小；视觉SLAM特别是通过三角测距计算距离的方法，在单点和单次测量精度上表现总体来讲不如激光雷达，但可以通过重复观测反复提高精度，同时拥有更丰富的地图信息。

在应用场景上，激光SLAM依据所使用的激光雷达的档次基本被分为室内应用和室外应用，而视觉SLAM在室内外都有丰富的应用环境。视觉SLAM的主要问题是光照变化，例如在室外正午和夜间的跨时间定位与地图构建，其工作稳定性不如高端室外多线激光雷达。近年来，光照模型修正和基于深度学习的高鲁棒性特征点被广泛应用于视觉SLAM的研究中，体现出良好的效果，视觉SLAM会随着这些技术的进步将会在光照变化的环境中拥有更稳定的表现。

激光SLAM不擅长动态环境中的定位，比如有大量人员遮挡其测量的环境，也不擅长在类似的几何环境中工作，比如在一个又长又直、两侧是墙壁的环境。由于重定位能力较差，激光SLAM在追踪丢失后很难重新回到工作状态。而视觉SLAM在无纹理环境(比如面对整洁的白墙面)，以及光照特别弱的环境中，表现较差。