随着科学技术的不断发展,国与国之间的利益范围也从传统的领土、领海和领空向着更深层次的太空中发展,探索蓝天之上的太空也成为了一个国家的战略性任务。太空之中的各个星球中所含资源的探查自然也尤为重要,这就要求执行探索任务的空间探测器有着良好的性能,因此,每一个空间探测器在升空之前都要经过大量严谨且反复的地面实验来验证自身的可靠性。SLAM技术作为一种可靠的视觉测量手段,能够实现在未知环境下通过传感器对自身进行高精度的实时定位以及自身运动轨迹测量,能够很好的与空间探测器的地面实验相适应。本文主要研究了基于NI Flex RIO平台的视觉SLAM技术,针对SLAM技术中耗时较久的特征提取与特征匹配算法部分,利用NI Flex RIO平台出色的硬件处理能力来实现算法加速。在此基础上,为了提高图像特征点的提取速度与适应能力,在原ORB特征算法的基础上提出了基于动态局部阈值的自适应ORB特征点的提取方法,通过自适应ORB算法提取得到的图像特征点数量不会太多,便于提取,而且鲁棒性强,同一个特征点能够在不同方位的图像中被提取出来,而且特征点的阈值采用动态阈值计算方法,使得特征点在不同光照下,提取结果不会有太大差异,对环境的适应能力也比其他算法强。另外,本文还提出了适合硬件计算的BRIEF匹配方法,大大简化了匹配过程的同时减少了特征匹配所消耗的时间。硬件平台计算得到的特征点信息和匹配结果将会被传输给上位机,上位机通过处理这部分数据,来完成运动相机的位姿估计、位姿优化、闭环检测等一系列工作,最终得到运动相机的位姿信息并绘制运动轨迹。本文利用TUM公开数据集进行了大量实验,验证了自适应ORB特征算法提取得到的特征点具有比传统算法更高的稳定性和鲁棒性,而质量好的特征点将会在特征匹配中发挥重要的作用。本文还利用了TUM数据集的评估工具,分析了基于自适应ORB算法的SLAM系统得到的相机轨迹数据,并与TUM提供的真实轨迹数据进行了绝对轨迹误差分析,验证了系统在软件层面的可行性。最终通过Lab VIEW FPGA模块完成了基于NI Flex RIO平台的硬件部分设计,并结合上位机,完成了基于NI Flex RIO的SLAM系统设计。