定位导航系统作为智能交通系统及无人驾驶汽车的一个核心组成部分,广泛应用于结构化道路场景。定位导航系统的关键技术包括用以确定车辆位姿的定位,用以确定车辆在地图中相对位置的地图匹配,用以确定从起点到终点行驶路径的路径规划三部分。当定位导航系统达到车道级别,它可以为无人驾驶汽车提供车道级别的定位和导航路径,进而为无人驾驶汽车提供更精细的引导,提高无人驾驶的安全性和行驶效率。无人驾驶汽车的大规模发展和应用对车道级定位导航系统提出了兼顾精度、稳定性、成本及效率的要求,然而,随着结构化道路环境的复杂化,为了满足这些要求,目前面向车道级定位导航系统关键技术的研究仍存在一些待解决的问题。在定位方面,结构化道路环境常存在GNSS信号遮挡的情况,影响GNSS/INS组合导航的定位精度。现有低成本融合定位在利用摄像头识别的车道线信息和轮式里程计提高GNSS/INS组合导航精度时,缺乏对多种工况的适应性和定位稳定性,且定位精度提升有限。在地图匹配方面,隐马尔可夫作为一种常用地图匹配算法,如何同时提高其在交错复杂的结构化道路环境中的匹配精度和匹配效率存在挑战。在路径规划方面,随着结构化道路路网规模的不断增大,如何有效提高现有路径规划方法应用于车道层路经搜索时的规划效率是亟需解决的问题。本文针对上述问题,从提高低成本定位及地图匹配算法的精度,稳定性和可靠性,以及提高传统搜索算法应用于车道级路径规划时的规划效率的角度出发,展开以下工作:1.建立基于摄像头和车道线的增强定位系统,在全球导航卫星系统（GNSS）、惯性测量单元（IMU）组合导航定位基础上,融合摄像头与轻量化车道级地图,在换道等工况下提高车辆的整体定位精度和稳定性。首先结合设计的换道识别方法提出自适应多指标加权评价地图匹配算法,进一步设计车道左右边界点确定方法;然后,在准确匹配到车道和其边界点的基础上,提出一种基于摄像头的双边界线侧向定位方法,提高车辆相对车道的侧向定位精度和稳定性以及对较大误差的抗干扰能力,并设计一种过渡平滑算法保证定位轨迹的光滑和连续,以满足无人驾驶下游规划控制层的需要。最后开展实车实验验证定位算法的精度,稳定性和连续性。2.建立基于深度学习的轮式里程计误差预测模型,在各种工况下稳定准确的预测轮式里程计误差。具体来说设计一种基于Transformer神经网络的轮式里程计误差预测模型,以学习轮式里程计测量的不确定性,进而准确预测里程计误差。在模型中考虑行驶工况特征,具体包括描述道路类型、道路状况和车辆驾驶操作的特征,并对考虑和不考虑行驶工况特征的模型进行比较和分析。在公共数据集上验证模型在多种工况下的预测精度、稳定性和可靠性,同时将数据集上训练的模型迁移到实车上进行测试以验证模型的泛化能力以及该模型对轮式里程计定位性能的提升。3.提出一种改进的基于隐马尔可夫模型（HMM）的车道级在线地图匹配算法。通过多指标加权地图匹配算法弥补HMM初始匹配的延迟性,提出道路到车道的映射式分层搜索算法提高匹配效率,提出道路路口状态切换机制辨识出不同状态,进而提出差异化的概率模型提高匹配准确率,采用可变滑动窗口的维特比算法保证匹配的实时性。之后建立融合GNSS、IMU、轮式里程计、摄像头及地图的鲁棒低成本的融合定位系统。通过仿真和实车实验验证改进HMM算法的匹配精度和效率,通过实车实验验证融合定位系统的精度,稳定性及可靠性。最后,在仿真平台上搭建无人驾驶系统的地图引擎、决策、规划与控制模块,将定位系统与它们联合仿真,验证定位系统支撑无人驾驶其他子模块运行的有效性。4.提出一种基于多层路网模型的车道级路径规划算法,提高图搜索算法应用于车道级路径规划时的效率及算法对多种路网结构的适应性。首先,建立能够适应复杂路网结构表达的多层路网模型,具体来说设计五个子层来细化道路和路口区域的内部结构,使得模型能够表达路网结构的多种变化。然后在该路网模型基础上设计能够满足交通规则、车辆特性、优化目标且能提高图搜索算法效率的车道级规划算法:首先提出一种多层路径规划算法,用于道路层、车道组层、车道段层和车道层的分层规划,以减少搜索空间,提高规划效率。然后在车道层提出一种考虑交通规则、车辆特性和优化目标的最优车道确定算法,以在满足交通规则和车辆特性的同时,能在不同结构的道路（包括车道数不变或可变的道路）上找到最优车道。最后在仿真路网和真实路网上验证算法的有效性。