本文研究了基于4D毫米波雷达与IMU（Inertial Measurement Unit,惯性测量单元）融合的车载SLAM（Simultaneous Localization and Mapping,同步定位和地图构建）技术,分析了基于4D毫米波雷达与组合导航系统的数据预处理算法,研究了基于Cartographer的定位与建图优化算法,具体实现了一种基于4D毫米波雷达与IMU融合的车载SLAM系统。主要研究内容如下:首先,研究了车载SLAM系统的总体方案,整个SLAM系统主要包括车载计算平台模块、网络通信模块、视频录制模块、4D毫米波雷达感知模块、组合导航系统模块和SLAM算法模块。根据系统需要,自定义设计了4D毫米波雷达与组合导航系统模块的数据传输协议,详细分析了SLAM算法模块的主要工作模式。其次,介绍了毫米波雷达的工作原理,讨论了多种滤波算法,分析了IMU的工作原理,提出基于扩展卡尔曼滤波的姿态角推算方法,设计了多传感器融合算法,分别对多部4D毫米波雷达数据进行空间融合,对多种传感器数据进行时间融合,并自定义设计了融合数据的传输协议。第三,讨论了基于正态分布变换的点云匹配方法,提出了基于多传感器融合算法的车身里程计推算方法,分析了基于图优化的车身位姿状态估计方法,重点研究了基于4D毫米波雷达的局部二维地图构建方法,利用基于4D毫米波雷达多普勒特性的动态目标提取与滤除方法提高局部地图结果的准确性,引入了基于延迟决策算法的全局SLAM优化方法以获得具有较高准确性和可靠性的全局二维地图与车身定位结果。最后,制定了车载SLAM系统的测试方案,结合实测情况,设计了一款包含SLAM算法的车载SLAM系统上位机软件,按照测试方案安装车载SLAM系统的硬件设备,实现车载测试和测试结果分析,验证车载SLAM系统的实际可行性。