同时定位与建图（Simultaneous Localization and Mapping,SLAM）技术在无人车辆自主导航领域应用场景广泛,用于解决无人车辆在新的环境下构建场景地图并确定自身在地图上的位置的问题。近年来,许多研究开始考虑融合多种传感器的信息来克服单一传感器的缺点,从而提高现有SLAM算法在复杂场景下的鲁棒性和精度。本文主要以提高无人车的3D SLAM算法的实用性为目的,从静态地图构建和多源信息融合的角度展开研究。现有的3D SLAM技术在动态场景中仍存在两个问题:一个问题是在动态场景的建图环节中动态物体会在地图上产生残留痕迹,这既给定位环节带来错误的数据关联,也影响后续导航算法对可通行性的判断。另一个问题是现有视觉与激光雷达融合SLAM在对位姿估计时先将视觉特征和激光特征分开优化,再将相机位姿和激光雷达位姿融合,而对于两个刚性连接的传感器的位姿估计实际上是关联的。基于此,本文做出以下工作:1、针对动态场景中构建静态地图的问题,提出了一种新的面向动态3D场景的激光雷达SLAM算法。该算法将移动滤除模块和激光SLAM相结合,使用目标跟踪和场景流结合的方法在地图坐标系下对移动物体进行滤除,最终构建出环境的静态地图。2、针对视觉特征与点云特征联合优化的问题,提出了一种双目视觉与激光融合的帧间里程计,针对两种特征分别设计了帧间约束关系,统一到机器人坐标系下的约束函数,使算法可以同时对两种特征进行优化,并使用了参数自动调整方法对点云特征点数量和优化时间进行调节,最终实现估计相邻两帧的机器人位姿变化。实验表明,上述两种改进提高了SLAM系统的抗干扰能力,满足实时性要求,具有较好的实际使用价值。