对于行驶在未知区域中的无人驾驶车而言,必须具有自主定位的同时对环境构建地图的能力。这种即时定位与地图构建问题(Simultaneous Localization and Mapping,SLAM)在过去二十年成为了机器人领域的研究热点,国内外研究学者提出了一些解决SLAM问题的方法,推动了SLAM技术的发展。本文用于实验的无人车平台虽然配备了GPS,但是在实验中由于楼宇、树木遮挡等原因,GPS常处于无信号或弱信号的状态,无法提供有效定位,为了解决这个问题需要提供一个局部位姿估计手段,本文分别给出了基于光电码盘里程计和基于双目视觉里程计的局部位姿估计方法,从而可在不依赖GPS的情况下对无人驾驶车位姿进行估计。本文利用图结构的形式来对SLAM问题进行研究,在这种图结构中：图的节点代表无人驾驶车在不同位置时的位姿,而连接节点之间的边表示对两节点代表的无人驾驶车位姿之间的约束。本文利用从里程计模块获得的数据来对无人驾驶车位姿(图结构中的节点)进行表述,并且利用自主构建的立体视觉观测系统来获得无人驾驶车位姿之间的约束(图结构中的边),从而随着无人驾驶车在环境中的行驶逐步构建出图结构。在图构建完成后,利用高斯-牛顿迭代优化算法对无人驾驶车行驶过程中位姿预测和观测之间的误差值进行优化,以得到使得整体误差最小的最优位姿估计,从而使无人驾驶车获得准确定位并利用定位结果指导无人驾驶车的自主导航。为了验证本文所提基于图结构SLAM算法的有效性和实用性,基于实验室自主改装构建的无人驾驶车实验平台,在大连理工大学校园内进行了一系列实验。实验结果及相关数据分析表明：里程计模块能有效完成无人驾驶车位姿预测；自主构建立体视觉系统能有效完成无人驾驶车位姿观测；而基于图结构的SLAM算法则有效完成了无人驾驶车最优位姿估计,可用于指导无人驾驶车的定位与自主导航。