目前主流智能车定位导航系统高度依赖高精度差分（RTK,Real-time kinematic）卫星导航（GPS,Global Position System）信号,而GPS在树阴遮挡、阴雨天气时容易丢失信号,此时车辆难以准确判断自身位置,从而影响自车根据当前道路信息进行决策。为提高自动驾驶车辆定位导航系统的稳定性,开发基于视觉即时定位与地图构建（SLAM,simultaneous localization and mapping）的导航定位系统,保证自动驾驶车辆能够不依赖于GPS信号实现自主导航自主定位,已成为智能车行业研究的热点。本文围绕“构建基于双目视觉SLAM算法的智能汽车高精度地图”这一关键问题展开研究,进行的主要工作内容如下:（1）从前端运动跟踪、后端非线性优化、回环检测三个方面详细分析了当前视觉SLAM算法主流架构,并对ORBSLAM2算法前端特征提取及定位、后端BA（Bundle Adjustment）优化以及回环检测介入的原理和方式做了深入解析。（2）针对ORBSLAM2在车速较快和光照变化明显时容易出现跟踪丢失的问题,在特征提取方面进行了优化,对于大规模地图应用时弱纹理区域检测回环困难的情况,在回环检测方面设计了一种新的回环检测算法;（3）为应对自动驾驶导航所面临的复杂环境,在保留ORBSLAM2地图重要位姿节点的前提下,对高精地图进行了离线和在线场景的丰富化,进一步提升了高精地图的信息包涵能力;（4）为测试本文建立的高精地图的导航实用性,在仅依靠高精地图导航的基础上,设计了基于预瞄控制和五次多项式路径规划的车辆自动驾驶导航应用算法并在移植到ROS平台,实现了算法高效和层次化封装;（5）在重庆汽车检测院自动驾驶测试基地进行了基于ORBSLAM2的导航地图构建测试和自动驾驶导航测试,成功实现了自动驾驶寻迹导航跟车和避障测试。实验结果表明,本文设计的双目视觉智能车导航地图算法可应用于园区和中小规模的自动驾驶导航,可为实现限定场景下的自动驾驶提供高效稳定的精准定位服务,以及当前道路的静态、动态路况信息,为自动驾驶车辆进行良好的定位导航提供有力支撑。