One of the problems in robotics is called Simultaneous Location and Mapping (SLAM), and lies in the necessity of a robot to localize itself on the environment while simultaneously mapping it. The use of stereoscopic systems is one approach to solve this problem. Theses systems are composed by high cost cameras synchronized via hardware, while low cost cameras are more restrict to applications with low or no movement. This research proposes a low cost system by using stereoscopy with a low baseline and low horizontal field of view cameras, synchronizing them via software, along with a filter based on the density of the disparity map of the captured images, with the intent to discard badly rectified frames, which implies desynchronization. Additionally, an Android app capable of obtaining and transmitting sensory data from a smartphone, like GPS and orientation, was developed, reducing the cost and increasing the system’s accessibility. From these data, calibration and processing datasets were generated, so they could be analyzed afterward. The combination of visual odometry and the smartphone’s sensory data contained in the datasets resulted in a system capable of obtaining its localization without previous knowledge of the environment with a similar error to the ones obtained by well established high cost techniques. However, the GPS data was imprecise in low speed scenarios, while the high electromagnetic interference and the low amount of lateral points of reference harmed the device’s orientation data and the visual odometry calculation in the high speed scenario. The system isn’t capable of real time processing, given the need to analyze every frame so they can be filtered, discarding about 60% of them. It was demonstrated that the proposed low cost system was capable of keeping a low error in return of a high processing time, potentially reducing the cost and increasing the accessibility of VSLAM applications. Due to the system’s modularity, it’s possible to replace its components without many implementation changes, allowing the use of better precision devices in future work. / Um dos problemas na área da robótica é chamado de Simultaneous Location and Mapping (SLAM), e consiste da necessidade de um robô localizar-se no ambiente e mapeá-lo. O uso de sistemas estereoscópicos é uma abordagem utilizada para a resolução deste problema. Estes sistemas são compostos de câmeras sincronizadas via hardware de alto custo, enquanto câmeras de baixo custo tem seu uso mais restrito para aplicações onde há pouca movimentação. Desta maneira, este trabalho visa propor sistema de baixo custo ao utilizar estereoscopia com baixa baseline e câmeras com baixo ângulo de visão horizontal, e sua sincronização realizada via software, em conjunto com um filtro baseado na densidade do mapa de disparidades das imagens capturadas, que tem por objetivo descartar frames não retificados corretamente, o que implica a sua dessincronização. Adicionalmente, foi desenvolvido um aplicativo Android capaz de obter e transmitir dados sensoriais de um smartphone, como GPS e orientação, reduzindo o custo e aumentando a acessibilidade do sistema. A partir destes dados foi possível gerar datasets de calibração e processamento para que pudessem ser analisados posteriormente. Ao combinar a odometria visual com os dados de sensores do smartphone contidos nos datasets, obteve-se um sistema capaz de obter sua localização sem conhecimento prévio do ambiente com um erro similar aos obtidos por técnicas já consolidadas de alto custo. Contudo, os dados de GPS mostraramse imprecisos em cenários de baixa velocidade, enquanto a interferência eletromagnética e a baixa quantidade de pontos de referência laterais prejudicaram a leitura da orientação do dispositivo e o cálculo da odometria visual no cenário de alta velocidade. Constata-se que o sistema não é capaz de realizar processamento em tempo real, dada a necessidade de avaliação todos os frames para que sejam filtrados, descartando-se em torno de 60% dos mesmos. Desta maneira, foi demonstrado que o sistema proposto de baixo custo foi capaz de manter um erro baixo em troca de um alto tempo de processamento, potencialmente reduzindo o custo e aumentando a acessibilidade de aplicações VSLAM. Devido à modularidade do sistema, é possível substituir seus componentes sem grandes alterações em sua implementação, viabilizando o uso de dispositivos com maior precisão em trabalhos futuros.