随着科技的进步,智能车的发展越来越成熟,自动驾驶汽车近几年逐渐出现在人们的视野中,自动驾驶技术不仅可以降低交通事故的发生,而且可以减少拥堵,提高出行效率。高精度地图技术是辅助自动驾驶系统的至关重要的一部分,也是自动驾驶真正落地的关键一步,研究如何利用传感器建立道路环境的高精度地图具有重大意义。本文研究了高精度地图建立方法,提出了一种多传感器融合的建图方法,主要研究内容如下:（1）基于电动轮椅车搭建满足自动驾驶要求的采集系统,完成传感器的选型,其中涉及的传感器有激光雷达、全景相机、组合惯导、里程计等;考虑各个传感器的特性以及视场角,完成传感器布置方案的设计。（2）基于激光雷达采集的点云数据,采用激光SLAM技术进行同时定位与建图,分别基于ICP、NDT匹配算法和Cartographer算法进行实车建图试验,定量对比分析三种算法的建图效果,建立校园部分区域的高精度三维点云地图。（3）对全景相机进行标定,基于全景相机采集的图像数据,对数据进行预处理,采用不同的检测方法实现道路场景的车道线检测。针对直线车道,采用阈值掩盖和霍夫变换方法完成检测;针对弯曲车道,采用基于滑动窗口多项式拟合的检测方法。使用深度学习算法实现对道路场景交通标志的检测识别,针对校内的限速交通标志,通过搭建卷积神经网络来训练交通标志检测识别的模型,采用Alex Net网络对其进行识别,采用Faster-RCNN网络对其进行检测。（4）基于无人电动轮椅车采集校园道路数据,利用Autoware框架完成激光雷达和全景相机的联合标定,将二维图像与三维点云融合。针对单独点云地图路面信息缺失和单独图像矢量地图精度不高的局限,本文提出一种多传感器信息融合的高精度地图制作方法,将基于图像制作的矢量地图投影到基于点云得到的高精度三维点云地图上,最终得到的地图不仅具有道路环境语义信息而且精度较高。