随着计算机技术的发展以及汽车工业发展的需要,自动驾驶作为一个技术综合性较高的研究领域,已经逐渐成为各个国家、企业以及高校的研究热点,而基于点云的高精度地图构建以及基于已构建的高精度点云地图的定位则是自动驾驶相关技术中的重要研究方向。现有基于点云的高精度点云地图构建以及基于点云地图的定位算法中,通常没有充分利用已有的如位置、点云结构等其他有效信息,在面对障碍物遮挡、点云噪声多以及点云数据量大等问题时,点云地图构建精度以及定位精度仍有待提高。本文基于信息融合的思想,分别针对高精度点云地图构建以及基于高精度点云地图的点云定位两个方面进行了研究。在高精度点云地图构建方面,提出了基于位置信息融合的点云道路主干提取算法以及基于道路主干点云提取算法改进的ICP（Iterative Closest Point）配准算法,实现了高精度点云地图构建时的精度以及时效性两个方面的提高。在基于高精度点云地图的点云定位方面,提出了基于先验信息融合的定位算法框架,并根据该框架,提出了基于先验信息融合改进的粒子滤波定位算法,提高了定位精度。具体研究工作如下:（1）针对点云地图构建时点云数据量大、噪声多的问题,本文从道路点云整体结构上出发,提出融合位置信息的道路主干提取算法。该算法利用车辆位置信息作为道路主干点云的参考点,提取与参考点距离较近的道路点云的主干部分,减少了噪声点云数量。进一步,将融合位置信息的道路主干提取算法与ICP算法进行结合,提高了ICP算法在点云中的配准精度和效率。而且,研究基于惯性导航系统的点云地图构建流程,通过改进的ICP配准算法,实现了高精度点云地图的构建。（2）针对基于粒子滤波的点云定位算法中存在噪声干扰以及采集数据与地图之间不一致,导致定位精度差的问题,提出了一种基于先验信息融合的定位算法框架。该框架考虑了当前采集的点云数据与点云地图中车辆真实位置的地图数据相似的先验信息,并结合中间参数优化定位算法,从而改进基于粒子滤波的点云定位算法,解决因障碍物遮挡、动态噪声等导致定位精度降低的噪声干扰以及采集数据与地图之间不一致的问题。另外,根据上述框架,提出一种基于粒子漂移的改进粒子滤波定位算法。该算法通过粒子集,融合了粒子集向真实位置附近粒子聚拢的先验信息,利用最小二乘算法以及模拟退火思想,改进了粒子滤波算法的更新步骤,从而提高定位精度及鲁棒性。