随着导航技术、环境感知、智能控制技术的发展,自动驾驶汽车的研究已经成为当前的热点。精确的车体定位是实现自动驾驶功能的重要前提。全球卫星导航系统(GNSS)、惯性导航系统(INS)、激光雷达(Li DAR)等传感器各有优缺点,在GNSS信号丢失等场景下无法实现车体的动态高精度定位。本文针对多传感器定位信息融合问题,研究基于GNSS/INS/Li DAR的组合定位算法,设计了组合定位终端系统。本文主要工作如下:(1)传感器相关定位算法研究。在分析各坐标系之间与姿态描述方式的定义与转换关系的基础上,研究了惯性导航系统、全球卫星导航系统和激光雷达的原理及测量模型。针对GNSS信号丢失导致定位不准确的问题,推导了地理坐标系下INS的误差模型,构建了GNSS/INS组合定位卡尔曼滤波模型,并进行了仿真实验验证。(2)传感器的时间空间同步。激光雷达与GNSS/INS接收机的时间同步、空间同步是传感器数据处理的前提。通过硬件设计实现时间粗对准;在粗对准的基础上提出一种线性插值法与四元数球面插值法的并行算法,对位移偏移量线性插值,对姿态四元数进行球面插值补偿。针对传感器空间同步问题,提出一种基于Kd-Tree最近点寻优算法的密度聚类算法,对六维安装参数分步迭代,每次迭代将相邻帧点云集的位置转换到唯一坐标系下,评价两帧点云重合度,保留最优的安置参数,直到六维参数都得到求解。(3)基于Li DAR/INS的实时SLAM建图算法。针对载体位姿一致性的问题,提出一种基于相邻帧点云间载体的运动估算与局部八叉树地图的匹配算法,将相邻帧点云的运动与局部地图产生关联,提升点云建图的精确性,在前端实现激光雷达点云的拼接建图。在后端引入列文伯格-马夸尔特优化的因子图算法,对载体运动状态优化解算,保存关键帧的位姿与点云。针对点云地图拼接的误差累积问题,提出一种基于激光点云重合度的回环因子检测算法,通过当前帧与以往关键帧的点云重合度对比,实时检测载体是否回到之前的位置,将检测到的回环因子加入因子图框架,得到全局一致的轨迹和地图。(4)基于先验点云地图的Li DAR/INS/车速组合算法。将GNSS失效情况时的定位数据保存,通过ROS系统的服务机制,在先验点云地图中选取载体周边范围内的子地图。将该子地图与当前激光雷达数据匹配,获取载体实时位姿。针对调取子地图需要消耗大量的时间问题,以载体当前位姿为基础,采用多模算法对载体移动后的位姿进行预测,计算短时间内载体在地图中的位置,实现定位并降低程序运行负荷。通过不断重复地图匹配与移动位姿预测算法,实现GNSS失效情况下的载体连续高精度定位。实验结果验证了本文所提出方法的有效性。