同步定位与地图构建（Simultaneous Localization And Mapping,SLAM）技术是机器人等系统在未知环境中进行定位、导航及构建地图的重要手段。其中基于特征匹配的视觉SLAM（Visual SLAM,VSLAM）是SLAM技术中的一个重要分支,它通过提取和匹配连续图像中的特征点推测场景变化得到位姿变化估计。而由于该算法计算量大,在传统嵌入式应用中存在计算实时性不足、计算能效不高的缺陷。本文面向嵌入式应用场景,针对VSLAM中计算密集的特征提取算法,研究并设计了一款高能效的专用图像特征提取加速器,为SLAM技术在高能效嵌入式场景中应用提供架构优化。论文的主要研究内容和创新点如下:1.分析比较现有的特征提取算法的性能和计算量,根据SLAM应用高实时性的需求,选取ORB特征提取算法作为本文加速的对象。2.根据ORB特征提取的算法步骤,设计了流式架构加速器。针对流式加速器保存图像数据需要大量内部行缓存的问题,本文通过多个维度的图像数据复用以及对描述子生成部分图像数据进行压缩,有效减少加速器中图像行缓存部分的资源消耗。3.针对ORB特征提取中计算最复杂的r BRIEF特征描述算法部分,本文对流式架构进行改进,提出了桶形-流式架构。通过在算法上引入桶形特征点抑制,减少非必要特征点的检出,减少计算单元的激活。同时基于桶形数据流对各个计算单元进行重新设计,降低计算单元硬件复杂度。4.对算法修改进行评估并根据评估结果对加速器进行实现。实验证明了硬件实现的ORB算法在SLAM应用下能够保持良好的追踪性能。使用TSMC 28nm工艺时,该加速器能够以250MHz在73.2m W的功耗下以120.6FPS的帧率处理1920×1080的全高清图像。