近年来,自动驾驶在学术界和业界都引起了极大的关注。自动驾驶车辆要想在复杂动态的真实环境下安全有效地运行,必须解决其自身的精确定位问题。室外定位可以依靠全球定位系统技术,由于室内环境无全球定位系统信号,地下停车场中自动驾驶车辆的准确可靠定位仍然是一个未解决的问题。尽管现有的一些室内定位方法在不同场景中都具有不错的准确性和鲁棒性,但仍存在一些缺陷,比如需要大量的存储空间和车辆位置的先验信息。考虑到地下停车场是人工建筑,具有大量的平面结构,因此针对地下停车场环境的特点和现有室内定位方法的不足,本文提出了一种基于点云配准的地下停车场自动驾驶车辆定位方法,提供了一种基于平面基元组的室内环境下小规模点云和大规模点云的配准策略和一种完全不需要两个点云坐标系初始位置先验信息的定位方案。本文提出的方法首先对原始点云数据进行滤波去噪的预处理,然后利用车辆点和地面点之间的高程差,设计基于体素的向上增长方法来提取地面并滤除车辆;其次对滤除车辆后的点云进行特征提取,通过区域增长将点云快速分割为多个平面,并使用局部K均值聚类来细化平面的边界;再次采用层次聚类的方法,按照平行平面法向量方向相同的原则,将分割得到的平面划分为内部具有平行关系的平面基元组;最后利用平面基元组建立点云之间的结构级对应关系,并使用平面到平面的精配准算法进行微调以得到精确的定位结果。本文分别在四个自建的和两个公开的真实地下停车场激光雷达点云数据集上对所提出的方法进行了评估,并与相关的现有研究方法进行了对比。实验结果表明,本文的方法可以在几秒钟内提供更好的定位精度,并且大大节省了存储空间,能够用于自动驾驶车辆在地下停车场中的路径规划。