自动驾驶技术近几年发展迅猛,这也促进了实时定位与建图的发展。在特征丰富的环境中基于雷达的定位与建图算法研究成果丰富,但在特征一致的退化环境下,目前的算法点云会发生退化问题,定位精度较低,表现效果不佳,这限制了无人车在特殊环境下的自主行驶。本文针对这个现象,通过多传感器融合,进行了退化环境下以雷达为主、组合导航设备为辅的定位与建图研究。为了多传感器后续的融合,首先分析了使用传感器的数据采集模型,建立了多个坐标系,并进行了外参求解,获得了多固态雷达和惯导之间较为准确的空间变换关系,实现了传感器数据的坐标系间的转化,并通过硬件同步和软件时间对齐实现了多传感器同一时刻数据的获取。针对现有里程计算法在本文环境中位姿估计不准确的问题,提出了一套稳定有效的应对退化问题的运动估计实现方法。首先参考惯导运动信息完成了点云数据的预处理,其次提取了地面检测约束,并在此基础上基于欧式聚类去除降低了动态物体对于帧间匹配的影响,然后对传统算法退化的原因进行了探讨分析,进而基于正态分布变换进行点云帧间匹配,并通过分析影响其匹配性能的决定因素,提出了使用组合导航信息为其提供准确匹配初值的方法。针对多传感器信息需要在后端充分融合减少累积误差的问题,首先对于组合导航信息进行了预处理,分别使用惯导和GPS数据建立了预测和观测更新模型,实现了两者的松耦合滤波。然后设定了特殊帧的提取条件,利用正态分布变换完成特殊帧与局部子图的配准实现构图,最后为了进行位姿图优化,基于构建的因子图模型分别构建了位置先验和帧间因子,并通过最小化其误差得出最精确位姿,提升了建立的地图质量。为了对本文算法的定位精度、建图质量和实时性进行评价,在真实点云退化场景下进行了多项实验,结果表明本文算法的定位精度相对于目前主流的多种开源算法都有明显提升,位姿误差指标最小,其中绝对轨迹均方根误差从1.38降低到0.38m,轨迹和地图闭合效果最好,同时满足实时性。正常环境下500m具有0.31%的定位误差,验证了本文算法对于普通环境的适配性。本文的研究成果对于无人车在特殊环境中的自主定位具有参考价值。