随着自动驾驶技术不断发展,人们生活水平不断提高,自动驾驶汽车逐渐走向大众用户。自动驾驶是一个集定位定姿、环境感知、决策规划与运动控制等复杂功能于一体的精密系统,精准的定位定姿是这些功能发挥作用的先决条件。激光雷达采用激光测距技术,能够精确测量载体周围障碍物的距离,具有测量精度高、探测范围广、时间和空间分辨率精细、快速响应环境变化等优点,能够支持精准定位和环境感知,是目前自动驾驶汽车上不可或缺的传感器之一。激光雷达可自主进行相对定位,也可在有先验地图支持下,实现绝对定位,还可以和车载GNSS/INS/视觉传感器等进行信息融合。本文开展了车载激光雷达的高精度自主定位算法研究,旨在实现车辆在城市环境下的车道级定位能力,为自动驾驶多源异构传感器的融合奠定基础。本文的主要研究工作如下:（1）本文首先介绍了一种基于线面特征的激光SLAM算法,设计了前端里程计结合局部地图优化的策略,在保证系统计算效率的同时提高定位和建图的精度。在此基础上,介绍了一种多线程优化的NDT匹配算法,设计了地图栅格化存储、动态加载策略,提高地图匹配计算的效率和精度。（2）为提高点云地图的绝对精度,减少地图中的点云错位和重影现象,本文结合激光SLAM和POS移动测量系统的优势,设计了一种基于位姿图优化的点云地图生成方案,实现了在全局坐标系下构建一致性良好的高精度点云地图。（3）为减少动态障碍物对点云建图的干扰,本文提出了一种动态物体滤除的方法,根据前后关键帧的相对位姿关系,在两帧重合区域里标记静止点云,仅将静止点存入高精地图中,实测数据表明,动态物体滤除后可以提高整个定位系统的稳定性和可靠性。（4）针对相对定位误差累积,绝对定位受环境干扰严重、对初始位姿敏感的问题,本文结合相对定位和绝对定位的优势,创新提出了一种地图辅助下的特征ICP+NDT定位算法。采用KITTI数据验证了本文定位方法的统计精度在10cm左右,符合车道级自主定位的要求。（5）为验证所提出的自主定位算法的有效性,本文搭建了激光雷达/GNSS/INS等多传感器集成的硬件平台并在武汉市区采集实测数据。实验表明,该算法在两类设计场景下的整体精度大致相当,水平定位统计精度约为50cm,1倍σ的绝对误差小于30cm,垂向定位统计精度约为10cm,1倍σ的绝对误差小于5cm;封闭园区场景下,整体相对定位精度约为1.18%,航向角姿态精度约为0.45deg;开阔道路场景下,本文方法的相对定位精度约为1.24%,航向角姿态精度约为0.65deg,实现了单一激光雷达传感器在城市环境下的分米级定位。