智能车定位技术是智能车研究中的关键技术之一,而目前常用的高精度GNSS方案在信号遮挡区域无法使用,因而基于传感器信息的建图与定位方法近年来受到关注,其中基于视觉的建图与定位方案信息丰富、成本较低,有良好的前景。但是现有的视觉同步建图与定位方法(vSLAM)较少针对车辆平台,估计车辆局部位姿时精度较低;且难以处理较大范围的视觉建图;同时多数方法缺少完整的建图与定位框架。因此本文提出了一种基于关键帧viSLAM方法的智能车建图与定位方法,融合了视觉、惯导、轮速计等传感器信息,采用稀疏视觉特征点作为局部与地图特征,利用稀疏光流法获得特征的匹配信息,在滑动窗口联合优化框架下估计系统状态,同时估计车辆平台位姿与环境视觉特征地图,并在建图中额外利用GNSS定位信息,进行在卫星信号遮挡区与未遮挡区的统一、高精度地图建立,最后利用建立好的视觉地图进行定位,融合全局匹配的定位信息与局部位姿估计的信息获得全局的车辆平台定位信息。本文主要解决的问题包括:针对现有方法车辆平台局部位姿估计精度较低的问题,本文提出了融合车辆轮速计的viSLAM方法,并设计了自适应网格的视觉特征点选择方法,提高了车辆相对位姿估计的精度;针对GNSS信息在信号遮挡区不可靠而viSLAM在大范围的精度不高的问题,提出了结合viSLAM与高精度GNSS的视觉地图建立方法,实现了统一的、高精度视觉建图方法;在定位过程中,采用全局特征匹配信息与局部viSLAM估计联合优化的融合定位方法,实现了实时、高精度的全局定位。实验结果证明本文提出的车辆局部位姿估计方法确实提高了估计精度,建图方法无论卫星信号是否被遮挡都可以建立高精度的视觉地图,而定位实验显示可以获得实时的分米级定位精度,在卫星信号遮挡区也能够获得准确的定位信息,可以满足多数智能车应用的需求。