由于全球定位系统(Global Positioning System,GPS)和惯性导航系统(Inertial Navigation System,INS)的互补特性,GPS常被用来与INS进行组合,定期修正INS误差。然而,在市区或者室内等环境中,由于卫星信号受到干扰或者中断,GPS定位精度和定位连续性受到限制,因此需要引入新的导航设备或者系统来辅助INS。近年来,激光雷达(Light Detection and Ranging,LiDAR)以其高精度、高采样频率和低运算载荷等优势被广泛应用于载体位姿估计、移动测绘以及同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)等应用中。同时,GPS 和 LiDAR 工作在互补的环境中。因此,本课题研究了利用LiDAR辅助INS,实现了市区和室内环境下的长时间连续高精度导航。课题介绍了两种新的惯性传感器组合方式,即2D简化的惯性传感器系统(Reduced Inertial Sensor System,RISS)和3D RISS。与传统三个陀螺仪和三个加表组合的惯性测量单元(Inertial Measurement Unit,IMU)相比,RISS用里程仪而不是加速度计计算速度,用加速度计取代陀螺仪计算纵横摇角,不仅减少了系统成本和复杂度,还提高了系统精度。针对室内办公环境,在基于特征匹配方法位姿估计实现过程中选取了丰富的直线作为特征,提出了一种快速精确的直线特征提取方法。直线特征提取过程中,直线参数估计误差作为权值被用于LiDAR观测值和相应协方差矩阵的计算,使得LiDAR观测值协方差能动态地反映观测值的误差大小和置信程度。分别实现并从精度和计算效率两方面比较了基于直线特征匹配和基于扫描点匹配两种位姿估计方法。由这两种方法估计得到位姿变化与2D RISS预测位姿变化通过扩展卡尔曼滤波(Extended Kalman Filter,EKF)进行融合,实现了室内精确二维导航。针对基于直线特征匹配RISS/LiDAR松组合系统当两个扫描之间匹配直线特征数目少于两条或者匹配直线特征共线时,LiDAR无法提供精确的位姿估计的问题,提出了基于直线特征匹配3D RISS与LiDAR的紧组合系统。LiDAR扫描匹配估计直线参数变化与INS预测直线参数变化进行组合,在精确定位的基础上还能实现姿态输出。针对室内环境下精确绝对定位信息的缺失,提出了利用无线局域网(Wireless Local Area Network,WLAN)辅助环境地图与激光雷达扫描转化成灰度图像的互相关运算,估计初始位置和方位,并由加速度计计算纵横摇角,实现了室内环境下的静态初始对准。针对基于直线特征匹配和基于扫描点匹配两种位姿估计方法的互补特性,本文提出了混合扫描匹配算法,即将两种扫描匹配方法进行组合,使两种扫描匹配方法优势增强劣势互补。针对GPS和LiDAR工作在互补环境中的分析,本文提出了基于INS/GPS/LiDAR的适用于室内外的组合导航系统。GPS和LiDAR在不同的环境中对INS进行定期修正,来自各个子系统的信息通过基于四元数的误差模型进行融合。基于混合扫描匹配算法,在LiDAR辅助INS的过程中,分别实现并比较了 INS/LiDAR松紧组合模式。本文采用Clearpath Robotics公司的Husky A200陆地机器人进行了两组室内外实验,验证了 INS/LiDAR不同组合模式系统的可行性。实验结果表明,在LiDAR的辅助之下,惯性传感器误差能得到补偿,INS/LiDAR组合导航系统在整个实验过程中定位精度都能限制在米级之内。