光束平差法（Bundle Adjustment,BA）是联合投影观测信息同时优化相机参数和空间点三维坐标的算法,也是同步定位和地图构建（Simultaneous Localization And Mapping,SLAM）后端优化的关键技术。SLAM系统能否在低功耗的嵌入式平台上满足实时性要求,是评估其能否应用于自动驾驶车端设备的关键指标。由于BA计算规模大、计算逻辑复杂,嵌入式CPU无法满足BA高速计算,BA成为性能瓶颈,极大地限制了SLAM系统的性能。现有的BA加速方法多为针对高性能服务器设计,无法应用于嵌入式平台设备。为了解决BA性能问题,本文针对SLAM场景基于异构计算模式对BA加速方法分别展开研究,分析算法流程和数据特征,分别提出了基于FPGA的离线BA加速方法和基于嵌入式GPU的在线BA加速方法。本文的主要工作如下:（1）设计了一种基于FPGA异构计算平台的离线BA加速器。首先对离线BA计算中雅克比矩阵的稀疏性质进行分析,将稀疏矩阵的计算过程重新设计为可并行的分块矩阵计算;然后分析在计算单个空间点的共视相机集合时的数据依赖,设计计算单元的数据流优化方式;同时针对舒尔消元计算中的矩阵计算乘加计算和模块瓶颈优化设计;最后在Xilinx Alveo U50硬件平台实现。实验结果表明,本文设计的加速器与嵌入式ARM处理器相比,性能提升4倍,适合低功耗的平台环境。（2）设计了一种基于嵌入式GPU的在线BA高速计算方法。针对特定场景中SLAM数据特点分析,提出滑动窗口机制降低计算规模;分析局部BA计算中稀疏矩阵性质提升算法可并行性;最后基于嵌入式GPU对算法进行并行加速。将其应用于车载SLAM系统并在真实场景下测试,实验结果表明:在AGX Xavier嵌入式GPU上,针对720P道路场景,该方法比同平台CPU上处理性能平均提升4.8倍,可以处理15FPS的相机位姿地图数据,满足了30FPS的VO处理需求,达到了车载系统的实时性要求。（3）实现了基于在线BA的视觉SLAM系统并在实际车载环境下验证了其效果。利用基于嵌入式GPU实现的在线BA加速器,设计实现了一套完整的基于单目相机的视觉SLAM系统。针对后端优化模块单卡性能不足的问题,进一步使用机器人操作系统（ROS）设计并实现了多节点的SLAM系统。通过设计不同节点的任务分配和任务调度方式,实现了多节点协同计算,满足了VO模块与后端间的负载均衡。在车载设备上,基于真实场景对系统进行实验测试,实验结果表明:在线BA算法能够有效优化系统误差,视觉SLAM系统能够输出准确的定位轨迹和三维点云。本文主要通过对基于FPGA和GPU上的BA算法加速,解决了低功耗设备上BA算法性能低下的问题,并通过在车载视觉SLAM系统上实验,验证了该方案的可行性。