近年来,机器人不断迅速渗透到社会生产与日常生活中,机器人感知的核心技术,同步定位与建图技术,已经成为研究重点。在许多SLAM的应用中,尤其是自主移动机器人领域,对算法的实时性提出了要求,由于SLAM算法本身的计算复杂度很高,运行在传统的CPU或嵌入式系统上速度较慢,需要高性能的CPU才能满足其要求,然而,由于尺寸和成本的限制,很难在移动机器人上部署高性能的CPU。除此之外,机器人系统还需要处理很多其他任务,因此有些时候会存在机器人系统无法实时运行SLAM算法。因此亟需一个面向自主移动机器人的解决方案。针对这一问题,在本文的工作中,对自主移动机器人领域最常用的基于激光的SLAM算法进行了深入的研究,并基于FPGA实现了一个激光SLAM加速器,在实际环境测试中,取得了一定的效果。首先,论文介绍了SLAM的意义以及国内外研究现状与发展,简要阐述了SLAM算法的基本理论框架,包括滤波理论和图优化理论;然后介绍了SLAM的关键技术,详细说明了即时定位技术和地图构建技术。随后,对Gmapping算法进行了深入的研究,通过实验对Gmapping算法进行分析,确定算法参数对算法性能的影响以及算法各部分的耗时情况,为之后的硬件设计提供准备。在此基础上,对Gmapping算法提出了多线程实现的优化方案。接下来,基于Zynq对加速器进行了设计。采用软硬件协同设计的方法将原有算法的最耗时的部分映射到PL部分实现,其他部分在PS部分实现。通过以下方面的设计,优化加速器的实现:（1）接口部分由DMA和RAM实现,减少访存的CPU占用和访存时间,降低CPU的负担;（2）针对硬件存储有限提出了地图切割与压缩的优化方案;（3）针对权重计算复杂,提出了简化权重计算的优化方案。最后进行了实验。算法仿真结果显示,本文优化Gmapping算法后,整个算法的运行速度相对原算法提升了4倍左右。随后在Zynq系列开发板上实现了加速器,并开发板装载在机器人平台上进行了实际环境运行效果测试。实验结果表明,本文设计的加速器能基本达到设计的目标:除了能够极大地减少对通用计算资源的占用外,硬件PL部分相比在通用计算资源运在处理速度上快了5倍;整个系统在室内10m*10m的测试环境下,最大误差在30cm,平均误差在10cm左右,具有一定的工程价值。最后,总结了本文研究内容并提出对后续工作的展望。