高精度的车辆定位系统一直是学术界和工业界研究的热点。随着全球卫星导航定位系统(Global Navigation Satellite System,GNSS)与惯性导航系统(Inertial Navigation System,INS)定位技术的发展,在开阔环境下实现高精度定位已经不再是一个难题,但是在隧道、高架桥、城市峡谷地带等GNSS信号中断的场景下,如何保障系统稳定可靠、高精度的定位是目前研究的难题。针对GNSS信号失锁场景下的定位问题,利用从相机传感器获取的视觉特征信息,结合高精度地图进行特征匹配定位,是一种有效的技术方案。本文针对GNSS/INS/Odometer/Camera等常用车辆传感器信息特点进行研究,提出了一套相机车道线特征信息辅助GNSS/INS的车载组合系统的定位方案,并进行了大量的车载测试,系统地验证了所设计的车道线信息辅助GNSS/INS系统定位算法的合理性和可靠性。本文旨在对相机车道线特征信息对GNSS/INS组合系统的辅助定位的理论模型和技术方法进行系统深入的研究,提升GNSS失锁场景下的多传感器融合系统定位能力,论文的主要工作和贡献如下:1)基于GNSS/INS组合导航系统常用的扩展卡尔曼滤波算法,设计了一种新的车道线信息辅助GNSS/INS系统的定位算法,利用车道线距离信息对车辆在横向上的定位误差进行约束,实现亚米级定位。研发了一套GNSS/INS/相机车道线特征信息多源融合定位系统,并对系统定位能力进行了大量实车测试验证,定量验证了GNSS/INS/相机车道线融合定位算法的有效性和可靠性。导航误差分析表明,车道线特征信息辅助情况下,本文实现的多传感器融合定位系统在长期GNSS失锁情况下,其横向定位精度严格维持在6分米范围之内。2)为了保障相机车道线信息辅助的效果,并增强系统的定位精度,在不增加传感器的前提下,对车辆CAN总线输出的速度和车辆运动学模型速度约束信息进行了分析和建模,推导实现了三维速度辅助定位算法,显著降低了GNSS失锁场景下融合系统的定位误差发散,保障了相机识别的车道线信息与高精度地图中车道信息的准确匹配。综上所述,本文提出的GNSS/INS/相机车道线多传感器融合定位算法能够有效维持亚米级的系统定位精度,为克服隧道、高架桥、城市峡谷等复杂场景的车辆定位误差发散难题提供了解决方案,是挖掘相机信息潜在价值的有效手段之一。同时,该方案具有硬件成本低、精度高、可扩展性强等优点。