近年来自主机器人技术发展迅速,机器人即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)已经成为智能机器人领域的科研重点。ARM处理架构自身定位于嵌入式开发平台,应对轻量级且目的单一明晰的程序,适合应用于移动计算;激光雷达测距精度高,已经从军事领域发展到无人驾驶领域。由于ARM处理器的低功耗和激光雷达图像的高准确性,研究基于ARM平台的激光SLAM算法具有深远意义。本文先对激光导航涉及的关键技术进行归纳总结,并对目前的主流激光SLAM算法进行了总结与对比,以选择合适的SLAM算法应用于嵌入式平台。考虑到嵌入式平台的高实时性以及运行环境的复杂多变性,与其他方法相比,基于信息融合的激光SLAM算法,具有模型计算简便、效率高、对数据没有特殊要求且可以处理多传感器数据等特点,因此选择信息融合模型作为改进基础与发展方向。本文以信息融合模型为主要方法展开研究,以激光雷达实测数据处理以及粒子滤波模型的原理为切入点对激光SLAM算法进行改进。运行参数的处理包括对最优环境特征、最优粒子数目的选择以及激光雷达原始信息的预处理;模型的原理改进包括在信息融合模型中融入扫描匹配技术、图优化理论,以填补信息融合模型无法获取环境特征的缺陷,以期提高信息融合模型的定位与建图的精确度。SLAM算法评估主要分为两部分:定位精度与建图精度。经实验验证,针对目标类型选择合适的环境特征可以有效提高定位精度,定位误差降低4%;选择最优的粒子数目与激光数据预处理,建图精度有效提高;结合扫描匹配技术与图优化理论后的信息融合模型能够实现实时导航,并且精度有所提高。