Este projeto de graduação traz como objetivo geral apresentar um robô compacto que utiliza de algoritmos probabilísticos e de mapeamento de código aberto para processar informações obtidas de um ambiente fechado através da fusão de dois sensores: Uma câmera de rastreamento Intel Realsense T265 capaz de realizar odometria visual e um LiDAR 2D Hokuyo URG-04-LX-UG01 capaz de identificar a distância de objetos com alta precisão. Como objetivos específicos pretende: Estudar e compreender o problema de SLAM e as metodologias consideradas estado da arte; Projetar e construir um robô móvel compacto com tração diferencial; Integrar o sistema mecânico, eletrônico e software do robô; Combinar a informação sensorial da odometria visual inercial da câmera e as distâncias obtidas pelo LiDAR para realizar a localização e mapeamentos simultâneos em ambientes internos; Demonstrar que o robô compacto desenvolvido é capaz de gerar um occupancy grid map de um ambiente enquanto estima sua própria localização, solucionando o problema de SLAM em tempo real e validar os resultados através de comparações entre a trajetória estimada pelo robô com um ground truth desenvolvido. Utilizou-se do framework ROS para auxiliar na distribuição de tarefas entre hardware e software. O robô foi inteiramente impresso em 3D seguindo o projeto open-source desenvolvido por Raffaelo Bonghi. O sistema foi testado com experiências em ambientes internos, demonstrando a capacidade do robô de efetuar loop closures, reconhecer as extremidades de um nó e criar um occupancy grid map em tempo real. O robô percorreu um ambiente fechado, tendo seu movimento controlado por teleoperação, obtendo o mapa 2D do ambiente, bem como a sua trajetória completa estimada. Apesar de ser um robô de pequeno porte com limitações de hardware, o sistema demonstrou ser capaz de solucionar o problema de SLAM em tempo real, e realizar a tarefa continuamente por longos períodos de tempo. A qualidade do mapeamento em ambientes internos e estáticos demonstrou condizer com a topologia do ambiente.