近些年来智能交通系统不断发展,其中无人驾驶技术得到了广泛的关注。而导航定位既是整个无人车系统的基础部分,同时也是难点部分。针对这个难点,本文研究了基于交通灯地图的路口定位方法。传统的车辆定位方法使用的信息,往往来自于GPS、惯导和里程计,但是定位误差会随着时间不断累积。针对上述问题,本文提出了基于交通灯地图的路口定位方法。具体来说,利用城市环境中具有显著视觉特征的交通信号灯作为定位标志物,结合高精细地图提供的信号灯位置信息,提高车辆的路口定位精度。首先设计了定位系统整体方案。确定了系统使用的传感器,并建立了各自的传感器坐标,标定了它们的位置变换关系,并分别对系统中的各个模块的实现细节展开说明。准确的交通灯检测是本文定位方法的基础,然而在复杂的行驶状态下存在光照、运动模糊、雾天模糊的影响,车载相机采集的图像质量往往较差,针对光照问题,本文提出了一种基于色彩恒常性处理的图像预处理方法。针对车辆行驶过程的图像的运动模糊的问题,提出了一种基于IMU的图像数据运动估计模糊核,去除运动模糊;针对雾天出现的图像模糊问题,本文改进了基于暗通道先验理论的去雾算法,去除雾气造成的图像模糊。在图像质量增强的基础上,本文使用视觉选择性注意模型实现交通信号灯候选区域的快速定位,使用支持向量机和梯度直方图特征检测到信号灯的准确位置。提出了多维直方图特征统计的方法完成信号灯类型的识别,并使用历史检测识别信息完成了对信号灯检测识别结果的稳定性处理。最后,建立了车辆状态模型与车载视觉系统的观测模型,结合高精细地图中交通信号灯地理位置与高度信息,使用扩展卡尔曼滤波融合交通信号灯检测结果与惯导信息。试验证明,本文提出的方法提高了车辆在路口的横向定位精度,以及车辆偏航角的计算精度。综上,本文提出的基于交通灯地图的路口定位方法,提高了无人车在路口的定位精度,尤其是提高了横向定位精度和偏航角精度。