随着计算机技术的发展以及室内定位场景的诸多限制,传统的定位技术已不能满足日益增长的室内定位需求。近年来,SLAM技术被认为是实现室内定位与建图的关键技术之一。LiDAR以其准确可靠的测量性能而被广泛运用于SLAM研究工作中。然而在一些结构特征不够丰富的场景下,基于点云信息的LiDAR SLAM会出现退化现象,从而导致定位不准确。因此,需要采用其它传感器对LiDAR SLAM进行补充。基于UWB的定位不容易受到环境特征的影响,在视距环境下能获得厘米级定位精度,但在非视距环境下,会存在测距值异常、NLOS误差等问题,在该环境下利用UWB定位会存在定位偏差。本文针对退化环境下LiDAR SLAM定位不准确和非视距环境下存在NLOS测距误差,导致定位不准确的问题,将UWB和LiDAR两种传感器进行融合,分别对传感器数据进行处理,然后利用传感器提供的信息为定位解算提供强约束。旨在提高室内复杂环境下定位系统的定位精度、鲁棒性以及可靠性。本文将基于UWB/LiDAR组合的室内定位方法进行研究,主要工作如下:（1）针对原始点云数据中存在离散点、杂点等情况,利用组合滤波器进行处理,针对LiDAR存在运动畸变的问题,通过基于匀速运动模型的假设去除,并以此提高LiDAR原始点云的质量。给出了详细的LiDAR前端匹配流程,并基于扰动模型来判断LiDAR SLAM的退化方向及退化程度。（2）针对非视距环境下,UWB数据存在测距异常值、NLOS误差等问题,利用UWB测距的自适应抗差卡尔曼滤波方法,降低测距信息中的NLOS测距误差和粗差的影响,平滑了测距信息中的测距异常值,并通过实验验证,该方法可以得到相对平滑的UWB测距信息,并利用重构后的测距值对系统状态进行最优估计。（3）针对在室内复杂环境下,单一传感器难以实现高精度定位,本文提出了基于EKF的UWB/LiDAR组合定位模型,实现了UWB数据与LiDAR数据的有效融合。（4）搭建了UWB/LiDAR组合定位平台,在室内退化环境和室内非视距环境下进行实验,实验结果表明,相较于单一传感器模型,UWB/LiDAR组合定位方法能够有效改善在室内退化环境和非视距环境下的定位精度,提高了系统的鲁棒性,实现了亚米级定位精度。该论文有图45幅,表4个,参考文献88篇。