随着经济的飞速发展,人们对汽车的需求变得日益多样化,自动驾驶车辆在规模化运行以后能够极大的缓解道路交通拥堵,提高车辆行驶的安全性,其能部分甚至完全取代人类驾驶员的驾驶动作而具有友好的操纵性,逐渐走入大众的视野,成为社会发展的潮流。秉承“安全、舒适、高效、节能”的汽车行业发展理念,自动驾驶技术是未来汽车工业最有发展潜力和技术创新的方向之一。园区自动驾驶小巴作为智能车辆的重要实现载体,在工厂、景区等日常场景中应用广泛,具有非常大的前景。高精地图技术作为自动驾驶系统的一个重要模块,其为自动驾驶小巴实现园区自动驾驶的落地应用,具有举足轻重的作用。本文对应用于园区场景的自动驾驶小巴高精地图的开发与应用展开研究,从实验平台传感器方案设计、多传感器融合标定、激光惯导里程计的建图算法构建、点云地图语义标注与仿真应用这四个方面进行论述。首先,在实验平台传感器方案设计方面,根据自动驾驶小巴的功能需求和使用场景的特性,选取合适的设备型号,设计了自动驾驶小巴实验平台的传感器方案及电子电器线路图,安装和调试满足实验要求的自动驾驶小巴。接着,在多传感器融合标定方面,首先介绍多传感器标定时空同步的基本原理和意义,然后建立手眼标定算法模型,对激光雷达（Lidar）和组合惯导（Inertial Measurement Unit,IMU）进行联合外参标定,并通过实验数据得到本文自动驾驶小巴实验平台的标定参数。然后,在激光惯导里程计的建图算法构建方面,引入激光雷达里程计因子、IMU预积分因子、GPS因子（Global Positioning System）及闭环因子作为参与因子图优化的状态量。激光雷达因子使用关键帧配准方法,减少参与图优化的帧数,提高算法计算效率,同时仍可保证点云密度。IMU预积分因子可减少因子图中参与计算的IMU测量状态变量,约束因子图中激光雷达因子的连续关键帧运动状态。并通过引入GPS因子和闭环因子极大降低累积误差对建图精度的影响。而后设计了不同场景的实车试验和设定了评价指标,验证本文构建的基于激光惯导里程计建图算法的精确度和有效性。最后,在点云地图语义标注与仿真应用方面,对实车实验所得到的点云地图进行语义标注得到高精地图,并且设计了仿真应用验证方案,通过搭建开源仿真平台对所开发的高精地图进行了仿真应用验证研究。试验结果表明,本文所构建的建图算法生成的点云地图具有较高的精度和有效性,通过语义标注开发的高精地图能够给所搭建的自动驾驶仿真平台使用,具备可行性。