全球卫星导航系统（Global Navigation Satellite System,GNSS）已经进入了多系统兼容共同发展的新时代,多频多系统GNSS的发展显著改善了单一卫星导航系统定位的精度、可靠性以及可用性,可以为智慧物流、自动驾驶等诸多智能移动载体提供高精度的位置服务。但GNSS天然的脆弱性使得其在一些复杂环境中定位性能出现退化甚至不可用,比如复杂街区、城市峡谷、高架桥、隧道等。但是在这些GNSS性能退化的区域,利用一些相对定位传感器可以实现高精度的自主导航定位,比如视觉、惯性以及激光雷达。因此如何将全局GNSS定位与局部相对定位有效地结合起来,实现不同环境下连续、可靠和高精度的定位具有重要的研究意义和价值。针对城市复杂环境下多系统GNSS定位可能出现的退化或者不可用情形,本文研究了GNSS/视觉/惯性/激光雷达多传感器融合定位算法,旨在提升移动载体在复杂环境下的定位性能。以下为本文主要工作及贡献:1.为了提升多源融合算法的局部定位性能,本文提出了基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM算法。分别研究了多传感器数据预处理方法,不同类型传感器的观测模型和残差方程的构建以及基于滑动窗口的多传感器数据联合非线性优化模型;充分挖掘视觉和激光雷达的互补特性,实现了视觉增强的激光雷达闭环优化算法,并在室外大尺度场景下验证了闭环优化算法的效果。2.针对GNSS复杂环境,进一步研究了基于图优化的GNSS/视觉/惯性/激光雷达多源融合定位算法,分别利用双目视觉/惯性/激光雷达里程计（S-VILO）提供的局部相对约束和GNSS提供的绝对位置约束,实现了一种解耦的多传感器融合定位算法。针对城市复杂环境,讨论了多源融合定位算法的融合策略和可用的粗差剔除方法。3.为了充分验证本文算法,在城市复杂环境下进行了两组车载实验。复杂环境下测试结果表明:在局部定位方面,本文提出的S-VILO算法相比于紧耦合双目视觉惯性里程计（S-VIO）实现了更高的位姿估计精度,其中平面精度和航向角精度提升最为显著。在大尺度场景下,本文提出的视觉增强激光雷达闭环优化算法能够有效检测出轨迹中的闭环信息并得到高精度的全局位姿图优化结果,通过位姿图投影得到的点云地图具良好的分辨率和全局一致性。在多传感器融合定位方面,本文分别分析了PPP/S-VILO融合定位结果与RTK/S-VILO融合定位结果,统计结果表明,本文多源融合定位算法在GNSS退化或者不可用环境下能够实现连续、平滑的定位结果输出,并且具有较好的鲁棒性。