地图信息对于保证车辆行驶的安全性和可靠性至关重要,无论室内还是室外,都应该及时反映当前地理环境的实时变化。现有的室内地图更新机制主要集中于单车辆上进行操作,只能依据自身车载传感器实时检测到的路况数据对本地地图进行更新,该方案普遍存在更新范围小、周期长、更新数据量大、成本高、通用性差等局限性。因此,我们结合云边端架构的特点,提出了一种多车辆协同的自主地图更新方案。融合多台辆车在不同任务执行区域采集到的实时路况数据,及时精确地对环境地图进行更新。与此同时,为了解决现有的用于实现多车协同数据关联的协同定位技术,普遍存在计算成本高,实时性差,可靠性不足的问题,我们提出了一种基于SURF的实时数据关联方案,从车辆构建的本地地图特征进行研究,获取车辆之间的相对位置转换关系,实现多车协同实时数据关联。此外,针对室内地图更新过程中,由于地图环境要素多,种类复杂,地图更新数据量大,更新周期长的问题。我们根据室内地图元素的表现形式,提出了一种分层地图更新策略,将具有相同属性的对象划分至同一层。在地图更新时,只需更新对应的图层,以此降低地图更新数据量。最后,本文创新性地提出了一种基于云边端架构的多粒度协同定位技术,将多台车辆采集到的同一障碍物的检测数据相结合,不断地精确其中心位置坐标及安全距离半径。本方案有如下几个特点:1、我们结合云服务器和边缘结点的特点构建边缘云架构。利用云服务端为全局车辆数据关联提供可靠的计算和存储资源,在边缘结点上提供能快速响应的用于数据转换的计算资源,为多车协同工作提供基础构架。2、我们根据室内环境要素的表现形式,提出了一种分层模型,仅更新指定级别的障碍物,实现了高效且具有成本效益的分层地图更新。3、我们基于SURF特征检测方法提出一种轻量级的用于多车协同工作的数据关联方案,相比于传统的SURF方法,去掉了其耗时最长的图像拼接过程,能够快速获取各局部地图之间的重叠百分比以及相对位置转换关系。4、我们还提出了一种多粒度协同定位技术,通过获取多台车辆从多角度探测到的同一障碍物目标的图像信息和位置信息,对采集的多组探测数据进行中心拟合,以此精确的计算出障碍物的中心位置坐标及安全距离半径。5、我们结合以上三个特点,进一步提出了协同实时地图更新方案,能够融合多台辆车在不同区域检测到的障碍物信息,实时更新全局车辆组网中相应位置的地图,有效扩大地图更新范围,及时精确地反映环境中路况的最新变化。实验结果表明,该本方案能有效扩大地图更新范围,保证地图更新的实时性,并显著提高地图更新效率,增强车辆的自适应能力。