近些年来,同时定位与建图（Simultaneous Localization and Mapping,SLAM）技术应用十分广泛。尤其是在无人驾驶技术领域,激光SLAM已成为无人车感知环境的必要方法。课题基于激光SLAM在低速无人驾驶领域中的应用,开展了无人驾驶车导航地图构建与定位方法研究,探索全球导航卫星系统（Global Navigation Satellite System,GNSS）和激光雷达的互补融合的定位建图方法,研究一种成本低、精度高并且较易实现的室外无人车定位与建图方案。主要研究工作如下:首先,针对多传感器数据处理存在处理难度大、复杂度高的问题,实现多传感器数据的时间和空间同步,根据激光雷达、组合导航等传感器的测量原理,进行内参和外参标定,并根据时间戳实现数据的时间同步,对原始点云数据进行数据处理操作,得到有效的点云数据。其次,针对传统激光里程计存在大规模场景中无法消除累积误差,所建的点云地图重影现象严重无法用于定位的问题,提出一种多约束激光SLAM方案。前端采用基于主成分分析的特征匹配里程计,后端增加GNSS以及地平面等先验环境信息约束,优化激光里程计的累积误差,提高姿态精度,增加基于点云特征的闭环约束对车辆历史观测信息进行校正,消除重影现象,提高地图精度。实验证明该方法在长距离轨迹定位建图中具有更好的效果。最后,针对无人车在复杂场景下的环境认知与理解问题,提出一种用于无人驾驶车的多层地图的环境表达形式,并且针对室外无人车定位极度依赖GNSS信号的问题,设计一种辅助定位方法。根据SLAM得到的最优轨迹构建室外多层次环境地图,然后使用GNSS提供初始坐标位置,再按照坐标对点云地图进行区域分割实现点云地图分块动态加载,将激光雷达实时获取到的当前帧与局部地图匹配,最终实现无人车的定位与导航,实验结果表明该方法在室外无人车的环境表示与定位中具有较好的效果。