Este artículo presenta un novedoso sistema lidar SLAM para localizar un robot móvil y construir un mapa del entorno. Para identificar la matriz de transformación desconocida, diseñamos un nuevo enfoque de coincidencia de escaneo, en el cual se integra adicionalmente un algoritmo de segmentación de nube de puntos. A diferencia del algoritmo tradicional de transformación de distribución normal para el registro de nubes de puntos, el recién propuesto incorpora adicionalmente un eliminador de puntos de suelo y un método de segmentación de nube de puntos. Al emplear el algoritmo de segmentación de nube de puntos para dividir el espacio de la nube de puntos en diferentes celdas, el algoritmo recién propuesto puede garantizar la continuidad y convergencia de la función de costo. Para abordar las dificultades de reconocimiento en las que la detección de cierre de bucle basada en cámara depende en gran medida del aspecto del entorno, se introduce un algoritmo de completado de profundidad para fusionar datos de sensores y garantizar la robustez del algoritmo. Además, se adoptan las bolsas de palabras binarias (DBoW) para mejorar la calidad de coincidencia de imágenes. Finalmente, se presentan resultados experimentales para ilustrar la efectividad del sistema propuesto.