随着机器人工业的发展,机器人被越来越广泛地应用于农业,工业,服务业,医疗,军事等各个领域中。近年来深空探测,自动驾驶,无人机导航等课题成为研究的热点,人们对于机器人的同时定位与建图能力的要求达到了前所未有的高度。这些都使得研究移动机器人同时定位与建图问题（Simultaneous Localization and Mapping,SLAM）具有非常重要的现实意义。本文首先梳理了SLAM问题的发展历史,认为SLAM相关的技术中,前端传感器、后端检测技术以及各模块与应用平台的结合,有很多值得深入研究的地方。本文首先讨论了由硬件升级带来的对前端检测改进的可能性,论述了跨领域地将目标跟踪有关算法应用于SLAM问题的可行性,论述了激光雷达、深度相机等新型传感器设备普及所带来的基于点云数据SLAM系统构建的可能性。为支持本文所提出方法开展比较实验,可行性论证和精度分析,搭建了KITTI数据集的点云SLAM仿真平台。平台可提供直观图像数据和可视化建图结果。本文选取KITTI数据集中的激光雷达采集的点云数据开展研究。针对SLAM问题中相邻采样帧间旋转变化,尺度变化,明暗变化可忽略的特点,提出了一种使用相关滤波算法处理点云数据的SLAM方法。给出了该方法计算过程中各个关键参数的计算方案,并通过实验论证了将相关滤波应用于SLAM问题的可行性。通过和其他常用方法的对比,论证了相关滤波SLAM的优越性。最后,在基于相关滤波的SLAM方法的基础上,分析了影响相关滤波时间复杂度的关键因素,尝试将分块处理的理念引入到相关滤波SLAM中,提出了一种多尺度分块的相关滤波SLAM方案。在KITTI仿真平台上获得的实验结果和对比分析,论证了多尺度分块的相关滤波SLAM方案的可行性。