近年来，地面无人车在大型设施的巡检领域越来越受到重视。在巡检过程中，需要地面无人车对自身的位姿进行准确估计以确保作业安全、高效完成。室外巡检无人车通常采用的导航手段为利用卫星、里程计与惯性传感器融合进行状态估计，工厂巡检无人车通常采用的导航手段为利用激光雷达或者视觉传感器通过同步定位与构图(Simultaneous Localization and Mapping，SLAM)技术进行状态估计。在使用地面无人车对客机进行巡检时，因巡检地点和时间的不同，存在无卫星信号和光照条件弱的现象。此时，卫星和视觉传感器都无法正常使用。而激光雷达不受外界光照条件的影响，并且具有高精度的测距信息，更适合用于客机巡检任务中地面无人车的自主导航。
　　受成本和功耗等因素的限制，二维激光雷达更加适用于地面无人车。当以二维激光雷达作为地面无人车的主要导航设备时，在客机巡检中存在如下问题：1）传统的激光雷达定位方法通常通过对反光板的识别或者SLAM方法进行定位。基于反光板的激光雷达定位方法需要提前已知反光板的位置，增添了许多工作量；基于SLAM的方法则对环境有一定要求。但是机场巡检任务中环境较为空旷，激光雷达点云稀疏，且存在动态物体的影响，SLAM方法位姿估计精度下降，甚至无法使用。2）客机巡检任务中，地面无人车围绕客机进行巡检，需要实现相对于客机的无人车定位，因此需要对客机的部分特征进行识别。3）基于激光雷达/里程计/惯性的高精度容错算法：激光雷达估计的位置，其精度是实时变化的，甚至会因为各种问题（如路面倾斜、遮挡）发生错误，此时需要设计故障诊断算法，实现容错导航。针对上述问题，本文基于激光雷达、里程计和惯性传感器开展了机场巡检中面向地面无人车的自主导航技术研究。
　　本文首先针对客机巡检的任务需求设计了一套基于激光雷达/里程计/惯性融合的容错导航方案，并对传统激光雷达导航算法在机场巡检中的位姿估计误差特性进行了研究分析。最后对激光雷达和车体的标定方法进行研究。
　　其次，本文对客机巡检中点云稀疏的环境特点及激光雷达感知特性进行了研究，提出了一种基于机轮辨识的激光雷达定位方法。首先根据已知的结构信息完成对激光雷达点云的分割和特征的提取，实现机轮的辨识，然后通过对机轮点云信息的处理，解算出地面无人车的位姿。最后通过仿真验证了该方法的有效性。
　　然后，因激光雷达受材料和颜色的影响导致测量距离减小，导致激光雷达在巡检的部分区域检测不到机轮，定位精度下降。本文使用交通锥在信息稀少的位置进行辅助定位，并对交通锥的在线标定方法进行研究。为了提高激光雷达导航算法在客机巡检中的定位精度和可靠性，本文开展了激光雷达/里程计/惯性组合导航技术的研究。首先研究了基于扩展卡尔曼滤波的激光雷达/里程计/惯性组合算法。在此基础上，开展了残差χ2故障检测的容错导航算法研究，提高算法的容错性能。
　　最后，本文构建了地面无人车自主导航算法验证平台，对文中提出的算法进行实验验证。根据客机巡检的实际情况搭建相应的实验场地，进行室外的巡检实验，对本文提出的地面无人车自主导航算法进行验证。实验结果表明，本文提出的地面无人车自主导航算法在客机巡检任务中具备较高的精度和可靠性。