智能化正在成为汽车产业的发展潮流和趋势。自动驾驶作为智能化的重要内涵之一,得到了各汽车强国的重视,纷纷推出了自己的发展战略。精准定位是自动驾驶的基础与核心之一,它为车辆控制和路径规划提供技术支撑。因此,高精度定位相关研究受到了学术界和工业界的高度重视。传统单一的定位方案如卫星定位、惯性导航定位、激光雷达匹配定位、视觉定位等各有优缺点,不能满足自动驾驶汽车对高精度定位的需求。为此,本文提出一种2D激光雷达扫描匹配算法以提供位姿估计,基于惯性导航元件、卫星定位系统和激光雷达设计了多传感器组合定位系统。本文的主要研究内容包括以下几点:(1)设计一种2D激光雷达扫描匹配算法。激光雷达定位需要激光雷达提供载体位姿估计,由于ICP(Iterative Closest Point)算法在寻找对应点时存在计算效率低下的问题,本文利用K-D树算法进行对应点搜索,降低计算时间。另一方面,由于ICP算法利用点-点准则的度量方法收敛速慢,而且点到点距离与点到物体表面的距离有一定误差,本文是以点到直线的距离作为度量误差进行计算,提高了配准精度,减少了迭代次数。所提算法综合考虑了计算时间、迭代次数、匹配准确率等因素,对ICP算法方法进行改进,并通过多组实验验证算法的可行性和有效性,为INS/Li DAR组合定位打下基础。(2)设计了融合INS(Inertial Navigation System)、GNSS(Global Navigation Satellite System)和Li DAR(Light Detection and Ranging)的多传感器组合定位系统。首先,对惯性导航系统的误差进行分析;然后,针对GPS(Global Positioning System)和Li DAR互为冗余和补充的特性,根据GPS和Li DAR的输出数据分别设计了GPS/INS组合定位系统和Li DAR/INS组合定位系统;最后,不同传感器信息通过扩展卡尔曼滤波器融合,在不同的场景下分别对INS进行误差补偿。(3)测试、验证了所设计的多传感器组合定位系统的性能。利用搭载了全球定位系统、2D激光雷达和惯性导航元件的多维感知轮式移动机器人在校园进行了实验,对不同组合模式的定位性能进行测试和对比。结果表明,基于INS/GPS组合定位系统能够补偿INS的累积误差,同时在弱卫星信号覆盖区域,基于INS/Li DAR组合定位系统同样能够补偿INS的累积误差。多传感器融合的方法既弥补了单一定位导航手段的不足,也发挥了每一个传感器的优势,使定位系统能够稳定运行在不同的场景下。