近年来,随着社会自动化程度的加深,无人系统得到了广泛应用。当前的无人系统主要依赖卫星导航,然而在卫星拒止环境下,如何提高无人系统的长航时、高精度的自主定位性能成为研究的热点和难点。激光雷达作为一种主动探测传感器,凭借其测距精度高、感知能力强、全天时工作等特点在仓储物流、室内巡检探测等卫星拒止环境中发挥着重要作用。传统机器人导航系统中常采用的基于激光雷达的同步定位与构图方案存在着长航时运行下精度降低的缺点,通常仅适用于短距离探测、巡检等领域,在如园区自动驾驶、仓储物流等长航时自主运行场合已逐步无法满足导航精度需求。因此当前无人系统的主流导航方案为先构建高精度激光雷达点云地图,并以高精度地图为基准实现无人系统长航时运行下定位误差的抑制。基于激光雷达点云地图的导航方案主要包括地图构建、初始定位与地图匹配定位三个部分,因此,论文针对传统导航方案中基于同步定位与构图的地图构建算法、基于点云粗配准的初始定位算法以及基于正态分布变换的地图匹配定位算法进行研究,并对各部分算法开展了相关试验验证与分析,结果表明,传统导航方案存在地图构建精度低、初始定位易陷入局部最优以及地图匹配定位算法耗时长的问题。基于以上分析,本文以传统激光雷达点云地图的导航框架为基础,开展针对地图构建与地图应用的算法改进与实现工作。地图的构建精度是无人系统自主导航精度的基础,为了提高无人系统的地图构建精度,本文首先针对卫星拒止环境下高精度地图构建问题展开研究,并根据待建图环境特点提出了一种基于连续建图法与站点建图法相结合的改进地图构建方案。首先建立了基于图优化的全站仪/激光雷达数据融合框架,实现了高精度局部地图的构建。随后提出一种基于特征直方图的特征提取算法进行先验特征提取,并通过特征匹配实现局部地图融合,从而生成高精度全局地图。最后通过仿真验证表明,此方案可以实现激光雷达高精度点云地图的构建。无人系统的初始定位是地图匹配定位的前提,因此本文针对无人系统在全局地图中的鲁棒初始定位问题展开研究,提出了一套基于Scan-context特征描述子的全局初始定位框架。在地图构建过程中采集激光雷达点云生成特征描述矩阵,对其进行位置标记后构建匹配资源池,从而实现资源池中对当前点云初始位姿的搜寻。通过仿真验证表明,本文初始定位方案解算的初始位姿满足地图匹配定位算法的收敛域条件。在获取初始位姿后,无人系统可以有效匹配当前点云与地图点云,从而实现运动过程中的位姿估计。为了提高地图匹配定位算法的计算效率,使得算法即使在计算资源受限平台也能有较好表现,本文对传统点云配准算法进行研究,并在此基础上提出了一种基于位姿解耦的点云配准优化方法,对牛顿算法的待优化函数进行改进,构建优化的位姿求解模型,提高自主定位系统计算效率。同时为了维护解耦后算法解算的稳定性,提出一种改进的激光雷达点云初始位姿补偿方法,通过惯性信息辅助对无人系统运动状态下位姿进行二次补偿。最后通过仿真验证表明,本文所提出的优化配准算法计算效率优于传统点云配准算法。最后,论文设计了无人系统地图构建与自主导航算法验证平台,对本文相关算法进行验证。试验结果表明,本文所提出的自主导航方案可以有效提高无人系统在卫星拒止环境下的导航精度与计算效率,实现无人系统自主导航的厘米级实时定位。