车载激光雷达扫描系统主要通过GNSS定位导航技术可以在室外开阔地得到重高精度绝对定位,在观测质量良好的环境下,可以通过成熟的GNSS/INS组合导航算法实现厘米级的动态导航定位。移动测图技术由于GNSS高精度定位技术而得以快速发展,从而实现高精度地图绘制。然而,在森林、高楼较多的城市、地下停车库、长隧道等区域,GNSS信号受到遮挡和干扰后造成数据测量不准,信号强度变弱,很难通过GNSS/GNSS组合导航系统进行高精度定位,不能满足高精地图制作。本文针对无GNSS信号或GNSS信号差的室外道路环境而导致的GNSS/INS组合导航精度不高的情况,提出了将SLAM技术与车载激光扫描系统的结合,在弱GNSS区域依然能保持良好的鲁棒性,通过将SLAM与IMU通过因子图优化算法进行耦合,提高在车载激光扫描系统中,由于车速较快而影响建图结果。相较于传统GNSS/INS组合导航方案,本文做出了以下改进:1.在保持车载激光扫描的基础上,额外增加了多线激光传感器,因此,多线激光对于车载激光雷达和惯性测量单元的坐标系标定,通过一种标志物标定方法,设计出区域分割、地面点云过滤、标志点提取等方法,通过将坐标系的联合标定问题转换为点云匹配问题,使用迭代最邻近点法（Iterative Closest Point,ICP）算法,得出坐标系间的坐标转换矩阵。最后将标定结果基于最小二乘法结果进行对比。2.传统的车载激光扫描主要通过GNSS/INS的组合导航对车载系统进行位姿纠正,并通过位姿解算进行点云建图。然而在GNSS信号较差的情况下,GNSS/INS的组合导航解算结果误差较大,建图效果不理想,因此我们创新性地引入基于因子图优化的激光SLAM算法有效解决在GNSS信号不稳定时,建图的效果以及稳定性。3.本实验创新性地将组合导航解算所得到的当前IMU位姿作为IMU预积分因子导入因子图优化中,有效地降低了IMU预积分因子的噪声偏差,提高了IMU预积分因子的鲁棒性,对位姿纠正效果得到加强。而回环检测因子在多次重复路段也起到了重要的作用,有效降低了重影问题并减少了累计误差。综上,本文将基于因子图优化的LIO-SAM算法进行重新标定,并改进算法,把多线激光加入车载激光雷达扫描系统中,实现在GNSS信号弱的情况下解决长距离高精度的定位定姿,通过在实地的具体应用对可行性和有效性进行验证。该论文有图27幅,表5个,参考文献101篇。