近年来,无人车逐渐走入大众的视野,无人驾驶技术也成为了当前一个热门研究领域。然而,城市环境的复杂性对传感器信息质量造成了影响,对无人车高精度导航定位构成了巨大的挑战和威胁。目前车辆上配置的传感器类型和信息融合手段都较为单一,无法适用于复杂环境下的高可靠和高精度定位,因此引入并综合利用多类导航传感器提供的冗余数据进行多源信息融合,可以为系统提供更全面和有价值的导航解决方案。本文以复杂城市环境下无人车的多源传感器信息融合为研究背景,开展多源传感器误差建模、GPS时间差分载波相位高精度定位、多源传感器融合构架与算法设计等方面的研究,旨在有效提高无人车导航系统的可靠性与精度。车载传感器误差特性研究是多源信息融合的基础。由于城市环境在路边建筑、路面情况和道路情况的多样性和复杂性,无人车搭载的导航系统精度在实际应用过程中受到较大影响。针对于此,本文基于目前车载常用的导航传感器(包括MEMS惯性传感器、GPS卫星导航系统、车辆里程计、视觉传感器以及无线电通讯系统),对异类传感器在特殊环境下的误差模型构建与补偿方法展开了研究:一方面,基于各类传感器误差原理,设计了传感器的配型方案;另一方面,研究了上述多源传感器的误差标定与补偿方法,抑制了传感器固有误差与环境误差对导航精度的影响,为后续的多源信息融合精度提供了保障。卫星导航系统是车辆导航定位中常用的导航方式,然而由于其属于无线电导航方式,信号易受干扰与遮挡,并且单点定位条件下的定位精度有限。针对于此,本文研究了基于载波相位的高精度卫星导航定位方法。首先,建立载波相位观测量推算模型,通过历元差分的方式消除整周模糊度,从而得到高精度的定位结果。继而,将差分结果作为量测值与惯性导航系统进行滤波融合,进一步提高导航精度。此外,针对载波相位在遮挡环境下易产生周跳的现象,提出了适用于车辆动态特性的自适应周跳探测与修复算法,降低了周跳误检率,保证了后端信息融合的观测值质量。在对各类导航传感器进行了误差标定及补偿的基础上,开展了基于因子图的多源信息融合方案设计。首先,研究了基于因子图的优化算法,对车载导航系统中的每个传感器建立了相应的因子节点,构建起完整的多源信息导航系统因子图模型;对导航状态进行全局优化,同时完成了传感器误差的在线估计和实时补偿;此外,针对因子图算法对当前时刻估计精度较低的问题,提出了一种基于历史平滑信息推算方法的改进方案,仿真实验验证了该算法的有效性和可用性。为了对论文提出的多源信息融合方法进行验证,在对上述方案和算法研究的基础上,搭建了车载多传感导航系统器硬件平台,并在试验车上开展了室外环境跑车试验。试验结果表明,论文中设计的多源信息融合方案及方法可以有效提高车辆的定位精度,保证了无人车在复杂城市环境下导航定位的可靠性和精度。论文针对城市复杂环境下的无人车多源信息融合方案及方法针对性地开展了相关研究工作,具有理论依据和实验支撑,有着良好的工程应用参考价值。