当前,基于激光雷达的即时定位与建图(Simultaneous Localization and Mapping,SLAM)算法研究主要集中在笛卡尔坐标系下。这忽略了激光雷达按极坐标离散均匀采样的工作模式。针对此特性,本文给出了一种极坐标下的SLAM算法。首先,针对激光雷达原始数据,本文设计了一种基于极坐标下区域化高斯过程的地图重构算法。重构过程中,固定重构结果的极角位置,用于直接确定配对点关系,消除离散采样带来的误匹配问题。均匀区域化的目的是区别对待不同子区域内的数据,保证高斯过程沿着合适的方向完成地图重构。接着,针对地图重构结果,在极坐标下设计了一种相应的激光配准算法。该配准算法通过分步进行旋转估计和平移估计,得到当前时刻传感器相对于世界地图的位姿关系。其中,旋转估计利用极角所代表的旋转特性,可以快速找到最佳旋转角度;平移估计则通过加权最小二乘法最小化极径之差,求解得到平移距离。针对经过配准后的地图重构结果,根据其区域化特性,提出了基于子区域层和点云层的地图融合策略,利用重构结果中携带的方差信息,使用递归最小二乘法对世界地图进行更新。多组对照实验的结果表明,本文所提算法在仿真测试与真实实验,室内与室外环境,以及稀疏与稠密数据集中均能出色的完成即时定位与建图任务。同时,在精度和效率两方面均优于当前主流二维SLAM算法。