无人驾驶作为智能交通系统的重要组成部分,对车辆的精准定位是无人驾驶的核心。由于受到城市峡谷效应、隧道遮挡等因素的影响,导致全球定位系统尚无法满足无人车的高精度实时定位需求;并且在车辆位姿求解时仅采用单目视觉信息进行定位亦存在尺度不确定的缺陷。基于上述问题,本文以西安工业大学自主改装无人车为研究对象,对基于视觉和IMU的组合定位系统进行深入研究。为了改善特征匹配法中描述子匹配导致的耗时较长问题,本文提出一种基于自适应图像信息关联融合的车辆位姿求解算法。该方法通过判别特征丢失率和旋转矩阵参数,将光流跟踪法和特征匹配法两种图像信息关联技术相结合,然后对匹配结果进行了随机采样一致性运动位姿估计,并利用最小化重投影误差方法对估计位姿进行优化。仿真结果表明,该方法提高了视觉定位中位姿求解的精度和效率。针对单目视觉定位方法存在尺度不确定性的问题,本文提出一种基于视觉相机和IMU的车辆组合定位系统。该系统采用预积分策略,对固定图像采集间隔的惯性数据进行独立积分,并将帧间位姿固定于前帧坐标系,克服了传统的捷联式惯性导航系统位姿求解过程中误差累积导致的长期漂移问题。同时,结合视觉定位中已获得的位姿信息,建立视觉测量误差模型和IMU误差传播模型,通过将设计的目标函数最小化,最后利用高斯牛顿方法求解该批量式估计问题,弥补了基于马尔科夫性假设的滤波方法的不足,提高了无人车组合定位系统的位姿求解精度。为了验证视觉和IMU组合定位系统的有效性,本文利用无人车实验平台制作了校园道路数据集,在该数据集和公开数据集上分别进行了多组轨迹实验。结果表明本文所采用的组合定位系统合理且有效,可以满足直线运动、视角快速变化的弯道运动、大范围环形道路等多种实际道路环境要求,实现了对无人车的精准定位。