随着人工智能的发展,无人车、移动机器人、无人机等无人系统成为目前的研究热点。作为无人系统重要组成单元之一,精确、连续定位是移动载体实现自主运动的关键。对于户外轮式机器人载体,GNSS/INS组合导航能够满足大多数场景的定位需求。但是,在高楼、树木遮挡等造成GNSS信号严重恶化的环境,GNSS定位精度和连续性下降,惯性导航误差持续累积,使得GNSS/INS组合导航系统定位无法满足机器人需求。利用里程计和非完整性约束提供的车速信息能够有效抑制组合导航系统在GNSS信号中断时的误差发散程度,但在GNSS信号长时间失效时,定位精度依然无法得到保障。因此,针对GNSS信号恶化的复杂环境下轮式机器人精确、连续、可靠的定位需求,本文使用相机图像检测的车道线信息作为一种定位源,研究了带有视觉车道线辅助的GNSS/INS/里程计多源融合定位方案,实现在有车道线环境下的车道级定位。作为道路上的常见标志,车道线形式统一、与地面区分度大,是实现匹配定位的良好信息源。本文围绕车道线辅助多源融合定位技术展开研究,设计了多传感器信息辅助的车道线检测算法,研究了车道线匹配方案和参与融合定位时车道线信息的两种融合算法,并对融合定位性能进行了实测分析。本文的主要研究工作和贡献如下:（1）针对阴影斑驳、遮挡等复杂环境下车道线的检测问题,设计了多传感器辅助的车道线检测算法。从图像处理的角度,使用车道线边缘特征从图像中提取车道线,并设计了一种车道线虚线端点检测方法。为提高检测算法性能,使用IMU和里程计提供的位姿信息对车道线进行精确预测,辅助检测过程包括两个方面,一是结合预测车道线辅助图像感兴趣区域的确定,二是根据车道线之间的一致性辅助车道线检测故障探测,减少误检情况。不同场景实测结果表明,车道线检测算法具有较高检测准确性,即使在恶劣环境下也能实现较为可靠的检测,可以满足融合定位的需求。（2）在GNSS/INS/里程计融合定位的基础上,引入车道线观测信息,设计了车道线距离辅助多源融合定位算法。首先结合自制的车道线地图,研究了车道线地图匹配方式,推导了由检测到的车道线像素坐标到车道线相对于载体距离的计算方法。基于此,在定义的车道线坐标系下使用载体相对车道线的距离辅助融合定位系统,构建了车道线距离量测模型。在车道线实线横向位置约束的基础上,还进一步增加了车道线虚线观测信息,能够对载体前进方向位置也进行约束。开阔场景数据的GNSS仿真中断测试结果表明,车道线实线能够使载体横向位置精度保持在0.35m以内,统计误差小于0.2m（RMS）;车道线实线+虚线辅助下,系统水平位置精度保持在0.25m以内,统计误差小于0.1m（RMS）。另外,车道线虚线辅助能够减少定位对里程计的依赖。（3）根据构建量测所在的坐标系不同,设计了像素坐标系下的基于车道线像素差辅助的融合定位算法。使用投影车道线与检测车道线之间像素差作为卡尔曼滤波器的观测量,构建其量测模型,并分别设计了车道线实线和虚线端点的投影方式和信息融合方式。开阔场景数据的GNSS仿真中断测试结果表明,像素坐标系下车道线像素差辅助定位算法在仅车道线实线观测下,载体横向水平位置精度保持在0.3m以内,统计误差小于0.1m（RMS）;车道线实线+虚线辅助下,系统水平位置精度保持在0.2m以内,统计误差小于0.1m（RMS）,定位精度与车道线距离辅助定位方式基本相当。另外,复杂环境测试结果表明,两种车道线辅助方式能够有效降低定位系统对GNSS定位质量的依赖,在GNSS长时间恶化环境下能够实现车道级定位水平。综上所述,本文围绕车道线作为辅助定位源的信息利用方式、对定位系统精度的改善效果等方面开展了深入研究。设计并实现的带有车道线辅助的GNSS/INS/里程计融合定位方案,能够有效改善GNSS恶化的复杂环境下融合定位系统精度随时间逐渐下降恶化的问题,在轮式机器人载体上实现车道级定位,为户外轮式机器人的导航定位提供了算法和实践参考。