在自动驾驶系统中,全时段地获得稳定、可靠、精确的车辆位置是车辆自动驾驶的基础与保障。只有自动驾驶系统获取了当前自动驾驶车辆的位姿,才能进行下一步的决策与操作,因此自动驾驶车辆的定位技术是自动驾驶系统的关键技术之一。车辆行驶在室外环境可以依靠全球导航卫星定位系统（Global Navigation Satellite Systems,GNSS）进行车辆定位。但在城市峡谷（两侧高楼林立的窄路）、立交桥下、林荫道等天空受到遮蔽的环境中,GNSS信号强度会大打折扣。地下停车场是一个典型,在这样的环境中,GNSS信号甚至于被完全遮蔽。为了解决这个问题,现在发展出一些室内定位方法。如一些基于蓝牙、Wi Fi、超宽带、地磁定位等的方法,也有一些基于同步建图与定位的方法。地下停车场环境具有一些特点:不同的地下停车场光照条件区别较大,视觉方法较为受限;环境中要素构成较为简单,包含车辆、行人、道路标线、道路指示标志、墙体柱子等;整体空间结构更加规整且不易改变,不同部分的空间结构较为相似;空间尺度相对一般室内空间较大。在这样的环境下,如何进行较低成本的准确、实时、可靠的定位,成为自动驾驶技术要解决的重要问题。在上述理论基础上,针对地下停车场环境下自动驾驶车辆的定位问题展开研究。发展出一种基于预建基准点云地图的车辆定位方法,主要实现了两种算法,其一是将地下预建的地下停车场点云地图经过转换形成二维概率分布图像,将其作为基准图像,自动驾驶车辆搭载的多线激光扫描点云转换的图像与基准图像使用高斯牛顿法进行匹配,得到相对基准的定位结果。其次,构建一种基于点云边缘线与平面特征点的方法,将点云分为边缘特征点与平面特征点,使用Levenberg-Marquardt法（LM法）对点到线的距离或点到面的距离进行非线性优化,求得最优匹配结果。此外,引入一种基于圆柱体旋转投影统计的点云分类方法,以便实时分类地下停车场内的动态地物如其他车辆、行人等点云,并将其去除,避免影响匹配定位。实验表明,这种基于圆柱体旋转投影统计的方法可以将数据点云进行良好的分类,对车辆、行人等动态地物点云去除效果良好,同时避免了墙体、柱体表面的点云的损耗。在这样的理论上进行了一个在实际地下停车场环境中的综合实验,使用站式三维激光扫描仪采集基准点云数据,以一部多线激光雷达模拟自动驾驶车辆采集动态车辆点云,在本地完成了模拟定位计算,并进行精度验证。实验结果表明,基于点云转换图像的方法相对来说匹配定位精度更高,达到了平均14 cm的定位精度,这与其基于点概率密度分布的特性有关。又由于采用了多种尺度分辨率的影像进行匹配,因此具有更好的局部鲁棒性,表现在更少的误匹配帧数。而基于线面特征点的方法,由于采用了减少参与计算的点数目的策略,因此计算的效率得到了较大提升。但是,这种方法相对来说更容易产生误匹配,且导致匹配与定位精度受限。总的来说,两种方法获取的定位精度都在20 cm以内,可以满足一般车辆在地下停车场中的定位需求。在定位方法的鲁棒性方面需要做出更多的改进,以使其更加稳定。