随着城市车辆密度增高，各大城市都面临着交通拥堵、事故多发等问题，各政府也采取了各种措施试图解决交通问题，诸如摇号限行、私车牌照拍卖等。除了政策手段外，智能交通系统的研究等技术手段也越来越受到重视。与政策性手段不同的是，智能交通系统并不是着力于将道路上的车辆密度控制于安全范围内，而是以提高道路利用率为目的的。无人驾驶车辆作为智能交通系统的核心环节，更是近年来的研究热点。无人驾驶车辆不仅可以避免车辆行驶过程中驾驶员情绪波动及不良驾驶习惯的影响，更可以将人们从旅途中解放出来，提高出行体验的舒适度。本文以城市交通环境为实验背景，对于无人车辆驾驶平台及无人驾驶车辆的定位、导航、环境感知等方面的技术进行了研究。本文首先对于城市环境中无人驾驶车辆的需求进行了详细分析，并由此设计了一整套无人驾驶车辆平台方案，包括车载电源系统方案、转向、油门、刹车电控改造方案、传感器配置方案等。车辆系统采用两层结构，下位机采用工业级嵌入式控制器以保证车辆底层的稳定性，上位机采用多台高性能工控机，给车辆的环境感知提供了足够的计算资源。为了实现在低速情况下车辆速度的精确测量，本文提出了一种基于霍尔传感器的测速方案，该方案与传统光电编码器或者软轴方案相比，具有抗震动能力强、寿命长、成本低的特点。高精度的RTK-GPS（载波相位动态实时差分全球定位系统），其精度可以达到厘米级，但是该技术对于卫星信号质量要求极高，在楼房、高架、树木的遮挡下无法正常工作，且成本较高。高感度GPS可在复杂的城市环境中使用，但是精度较低，只有5到10米。为了满足无人驾驶车辆对于自身定位精度的要求，本文将GPS信号与车辆航向、里程信息进行融合，车辆航向信息通过低成本陀螺仪获得，融合使用扩展卡尔曼滤波器实现，其中车辆位置预测值使用航向角与里程信息获得，观测值由GPS获得。实验结果表明该方法能较好弥补GPS信号的精度低、存在漂移等问题，还能在两次GPS信号间给出四次精度较高的预测值，提高了系统的实时性，由此得到的车辆航向信息也较为准确。道路信息对于无人车辆行驶至关重要。本文提出了一种基于多传感器的道路检测方法。该方法首先使用三个激光雷达对道路可通行区域进行检测，其中水平安装激光雷达用于检测车辆前方的障碍物，两个斜向安装激光雷达用于检测道路边界。出于排水的考虑，实际道路横截面常常是弧形的，本文考虑到这一点没有使用线性模型而使用了二次函数模型对道路边界进行建模。实验结果表明该方法在道路边界点检测中准确率很高。在此基础上，本文采用视觉方法检测道路车道线，并与可通行区域结果进行融合，计算车辆的行驶路径。通过实际道路的自主导航实验验证了该方法的有效性。车辆位于路口时，车道线信息与道路边界信息均不能对车辆的导航提供帮助。针对这一问题，本文提出了一种基于地图的路口导航方法，该方法在传统的道路矢量图之外，引入了包含入点、出点、道路方向信息的路口地图，根据这些信息无人驾驶车辆即可通过车辆位置及航向信息通过路口。为了提高车辆运行的平滑性，本文还在导航过程中引入了虚拟目标点。该方法在城市综合环境内的可行性也在城市道路自主导航试验中给出了证明。