为了降低移动机器人基于中心差分卡尔曼滤波CDKF的同时定位与地图构建SLAM算法的计算复杂度, 使其适于较大规模环境中的应用, 提出了一种改进的CDKF SLAM算法。该算法以CDKF的线性回归卡尔曼滤波LRKF形式为基础, 利用SLAM自身特点, 重构其预测和观测更新过程中的状态变量及相应的方差矩阵, 改进CDKF的采样方法, 从而将CDKF SLAM算法的计算复杂度降为On2。不同规模环境中的仿真实验及停车场数据集的实验验证了在不改变CDKF SLAM算法估计准确度的条件下, 本文算法的运行时间明显缩短, 更适于大规模环境中的应用。