随着无人车（Unmanned Ground Vehicle,UGV）在军事、运输、仓储管理等不同领域中的广泛运用,对于无人车导航定位技术的需求也日益增加。在空旷的室外环境中,可以通过全球卫星导航系统（Global Navigation Satellite System,GNSS）进行精确的定位服务,但在有些应用场景当中难以获取卫星信号,此时需要其他技术完成无人车准确可靠的导航定位服务。由于各导航传感器各有其局限性,多传感器融合定位方法是今后研究的重点之一,多源融合定位的核心是充分利用可用导航信息得到全局最优的定位结果,针对此问题本课题进行了以下内容的研究:首先本文选取航姿参考系统、激光雷达里程计、轮式里程计及超宽带定位系统作为本文的导航传感器,使用航姿参考系统中的惯性导航信息作为参考导航信息,使用卡尔曼滤波器将惯性导航信息与其他辅助导航传感器信息进行融合。为了解决不确定量测噪声对估计结果的影响,本课题采用了一种基于变分贝叶斯估计的自适应卡尔曼滤波器估计量测噪声协方差矩阵,提高了导航系统的鲁棒性;为了实现融合算法的即插即用性与实时性,本课题采用了广义序贯滤波算法,降低了计算复杂度同时加强了融合算法的可扩展能力;为了解决导航传感器失效情况的影响,本课题采用了一种基于残差χ~2检验/改进自主完好性检测外推法的联合故障检测方法,能够利用历史新息序列判别并隔离故障导航信息,并在广义序贯滤波框架当中利用无故障导航信息进行重构。最后本课题在对上述所提出的方法进行仿真验证的基础上,搭建了多传感器无人车试验平台,并在试验平台上利用ROS系统编写了多源导航算法包,使用动作捕捉系统进行室内试验以验证算法性能。试验结果表明,该多源融合导航方法能够有效提高导航系统的鲁棒性、容错性与定位精度。