目前,同时定位与建图（SLAM）的应用领域受到了越来越多的关注,而地图构建是实现无人驾驶的重要前提。课题基于无人驾驶平台,开展了基于图优化的室外无人车地图构建方法研究,探索一种语义信息提取及地图构建的方法,研究出一种针对园区环境的低成本的室外多图层地图方案。主要工作如下:针对传感器之间存在坐标系不一致的问题,实现它们之间的转换和统一。首先构建了激光雷达、组合惯导传感器的模型,其次完成关于它们之间的标定,分别为时间同步和外参标定,最后对传感器的数据进行预处理。针对传统单一地图无法准确实现无人车自主导航的问题,提出一种低成本的室外多图层地图,分轨迹层-静态层-动态层。轨迹层为GNSS拓扑地图,静态层为基于图优化构建的点云-栅格地图,动态层为实时激光点云信息。首先轨迹层的绝对位置信息用于实现无人车的全局路径规划,然后基于动态层实时信息与静态层的点云地图做匹配,完成无人车实时高精度定位,最后对动态层进行障碍物检测,通过将实时障碍物信息同静态层的栅格地图结合,为无人车避障和局部路径规划提供环境信息。在实际环境下对提出的地图进行了评估,验证了该地图的可用性。针对在实现无人车自主导航时,存在对环境认知能力不足的问题,研究一种语义信息提取及地图构建的方法。首先采用深度学习网络框架对激光雷达采集的3D点云进行处理,通过投影,生成距离图像,再对该图像进行语义分割,并将其2D信息映射,得到带有语义标签的3D点云,其次通过采用KNN搜索算法,对边缘部位出现阴影等现象进行后处理,得到精确的语义地图,最后针对动态物体存在影响的问题,利用语义信息来去除。并在KITTI数据集上进行了实验验证。