随着国内外汽车保有量的不断增长,智能车逐渐成为了国内外的研究热点。智能车的研究集合了环境感知技术、定位导航技术、路径规划技术上和决策控制技术等前沿自动驾驶技术。不同环境下的自动驾驶方案有所区别,高速公路的自动驾驶需要高可靠性与实时性,城市道路的自动驾驶则需要具有处理复杂场景的能力,而特定场景下的自动驾驶则需要根据实际环境对自动驾驶方案进行改进。本文以特定场景,特别是半结构化的校园环境作为研究对象,重点研究该场景下智能车的多传感器融合定位技术以及导航策略。本文的主要研究内容概括为以下几方面:(1)根据现有的自动驾驶关键技术,构建一套智能车平台架构,设计了智能车的硬件框架以及软件框架,选取了实现融合定位技术以及导航规划技术所需的传感器,最后结合硬件框架、软件框架提出应用于该场景下的自动驾驶方案。(2)基于构建的智能车平台框架,提出了基于UKF算法的多传感器数据融合定位技术。首先对目前智能车现有的定位技术进行分析,根据各类定位技术的优劣,结合各传感器的优势,选择了多源传感器定位技术。分析了点云数据的匹配算法ICP算法与NDT算法的优劣,选取NDT算法作为激光雷达实现相对定位的算法,并给出计算实例。最后利用UKF算法结合运动模型对IMU、里程计、激光雷达的定位数据进行融合,并给出了室内环境下的实验数据。(3)在实现融合定位后,对智能车的全局导航以及局部导航策略进行研究。在全局导航方面,根据第三方电子地图规划出当前起点至终点的最优路径,为智能车提供全局路径参考。在局部导航方面,提出了分场景的局部导航方法。直行车道场景下,使用了图像处理的方法对智能车前方车道线进行检测,得到当前可行性区域以及期望行驶路线。路口场景下,先对路口进行检测,接着构建路口坐标系对标定点进行拟合,得到路口场景下的行驶路径。(4)设计自动驾驶实验以及构建室外测试平台,对文中融合定位方法和导航策略的有效性进行验证,并指出本文方法的优缺点以及改进方向。