智能车辆（Intelligent Vehicle,IV）能够高效的为人们提供更加安全便捷的出行、改善人们的生活质量。同时,随着中国社会经济和工程应用科学技术的发展,人们也对生活出行便捷、安全、环保等方面提出了更高的要求,殷切希望出行更加智能化,而高级别的智能车辆能满足人们的期望。智能车辆的组成按照功能可以分为环境感知、决策规划和车辆控制等3个部分。其中,智能车辆的环境感知问题是决策规划和车辆控制的基础,是实现辅助驾驶以及高级别智能驾驶的前提条件。智能车辆的环境感知要求车辆具备的基本功能是可以对周边环境进行地图构建和准确识别车辆自身在环境中的位置。激光SLAM即基于激光雷达传感器的同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是智能车辆环境感知中的核心技术之一。它是指在没有任何环境先验信息且自身位置和姿态不确定的条件下,智能车辆依靠自身搭载的激光雷达传感器,在车辆移动过程中进行自身位置和姿态的估计,同时以增量的形式对周围环境进行感知、构建特定形式的地图的过程。为此,论文分别从SLAM的原理和模型、单帧激光雷达数据的平面特征提取、全局地图的构建和对照组实验设计等四个方面出发,对智能车激光SLAM的建图技术进行了深入的研究,主要内容如下:（1）对于智能车辆SLAM系统,给出了完整的SLAM框架和基于概率模型的数学表达,建立了智能车辆的移动模型和激光雷达传感器的观测模型,介绍了在构建地图过程中常用的地图模型。（2）关于从真实的三维环境采集到的点云数据中提取几何特征地图的问题,本文介绍了3D MSSE点云数据的平面提取算法。该方法可从原始的3D点云数据中提取出平面特征。通过对提取到的平面特征进行非静态平面和冗余平面的去除,从而为后续的单帧激光雷达数据的平面分割提供基础。针对从平面地图中进行平面特征的提取,提出了通过建立搜索框、统计单个搜索框内点云个数的方法、实现对平面进行平面特征的分割。（3）为了解决智能车在移动过程中定位的问题,本文采用了一种将大地坐标系（Geodetic Coordinate）信息转换到全局坐标系（Global Coordinate）下的方法。为了实现将激光雷达坐标系下的平面特征转换到全局坐标系下,本文对平面特征进行了旋转和平移变换。在激光SLAM中,数据关联是构建全局地图的核心和关键。为了解决激光SLAM的数据关联问题,提出了相邻两帧特征间属于同一平面特征的判断的三个条件:（1）特征之间的夹角;（2）特征圆的重合度;（3）特征的相对距离。对同时满足此三个条件的特征进行数据关联。在数据关联阶段,通过对特征点求线性回归方程得到“准特征直线”,将特征点投影到准特征直线上,这条直线上投影点连线最长的线段、就认为是结构化平面对应的平面特征。（4）为了验证提出算法的准确性和对最终的结果进行优化,本文采取了一种离线构建全局地图的方法。在构建离线全局地图阶段,通过对激光雷达数据集中某一特征出现次数的统计,区分此特征对应的是结构化建筑物平面或非结构化建筑物平面;最后,通过对某一结构化对应的全部特征之间的融合,得到离线构建的全局地图。MATLAB仿真结果表明提出的算法能够实现结构化环境下的平面特征地图构建。