在“中国制造2025”即将到来之际,自动驾驶车辆和智能移动机器人作为核心产业,已成为我国智能制造和人工智能技术水平的重要标志和体现之一。SLAM（Simultaneous Localization and Mapping）技术作为实现自动驾驶和自主定位导航功能的关键性核心技术,它能够有效地帮助车辆、移动机器人完成自主定位和导航功能。SLAM技术的发展对推动自动驾驶和智能移动机器人的成熟和发展具有重要的理论和应用价值。激光雷达作为SLAM技术常用的传感器,不受光照影响,且构建出来的地图精度较高,因此本文以激光雷达为传感器,对SLAM技术进行研究。回环检测是SLAM技术的一个重要环节,它保证了地图轨迹的完整性和正确性。LeGO-LOAM算法作为目前较好的开源激光SLAM算法,其回环检测环节是基于邻域距离搜索来完成的,然而当轨迹优化结果偏移很大时无法保证检测到回环帧,会造成漏检,导致回环检测失败。因此,基于此问题,本文的研究工作如下:（1）改进回环检测方法:本文引入了一种基于全局描述子搜索的回环检测方法,采用圆环分区的方式降维提取出激光点云描述子,保证了描述子的旋转不变性,并结合基于邻域距离搜索的方法,完成对回环帧的搜索。最后采用改进的PL-ICP（Point-to-line Iterative Closest Point）算法完成精配准,输出最优的位姿变换,从而完成回环检测。（2）构建基于改进回环检测的SLAM算法:本文采用16线激光雷达作为传感器,结合IMU（Inertial Measurement Unit）对激光雷达点云数据进行运动畸变校正,并采用基于特征点的前端配准方法提取出点云线特征和面特征,然后利用L-M（Levenberg-Marquadt）非线性优化方法完成特征匹配,从而获得前端里程计的位姿变换。最后结合改进的回环检测方法,采用图优化的后端优化方式对局部位姿图进行优化更新,最终生成地图,完成改进SLAM算法。（3）对改进的SLAM算法进行移动机器人的应用实验验证:本文以自行研制设计的移动机器人为实验平台,采集校园环境数据集进行实验验证。经实验结果分析可知,本文改进算法大大减小了轨迹位姿误差,提升了定位建图的精度。