高精度地图是近年来无人车领域的热门研究内容,它能够提升无人车在多种环境下的稳定性,确保无人车在复杂多变的交通流中的通行能力。高精度地图对于无人车主要有两个作用:存储大量的先验信息为无人车提供导航,比如车道的几何形状、车道线的属性、路口的拓扑结构等;通过感知数据以稀疏特征或是稠密点云的形式对环境的几何形状进行建模,并将实时的感知数据与其进行匹配以获取无人车当前的位置和姿态。无人车常见的设备中,组合导航系统能够直接获取到自身的位姿变换,但是在隧道、高架桥下、小区环境内,由于GPS信号受到遮挡的影响,不能满足无人车的定位需求;相机价格低廉,能够获取丰富的色彩信息,通过对极几何也能够恢复三维信息,但是其易受光照影响以及测量精度不高的特点导致它大多数用于室内环境的使用;激光雷达有着测量精度高、不受环境影响、能直接获取几何信息的成像特点,目前已经成为高精度地图的主要数据来源。为了满足无人车的定位需求,提高无人车的通行能力,本文提出一种基于点云的高精度地图建图及定位方法,主要内容有:1)设计基于点云关键帧的地图结构,通过点云配准算法在关键帧之间构建位姿图,充分利用点云帧之间的重复观测,使用图优化的方式消除配准过程中产生的误差。分别在尺度较小但特征丰富的园区和尺度较大且特征稀疏的开放道路上将此方法与现有的点云建图方法进行比较,实验证明此方法能够明显的降低配准算法带来的误差。2)提出了将点云转化为高度图,在高度图中根据灰度梯度值提取相应的图像特征,并使用词袋方法对高度图中的图像特征增加全局辨识度,解决点云中难以提取高层次特征的难题,从而实现点云地图中的全局搜索。通过与现有算法的对比实验,验证本方法在检测效果上的优越性。3)结合了全局特征的检测方法后,将建图方案的局部优化扩展为全局优化和局部优化相结合,一方面可通过局部的多余观测不断优化配准误差,另一方面通过全局的回环检测消除长时间的积累误差,并通过实验对比全局优化对于点云建图的效果。4)在建图方法的基础上,提出了一种基于点云关键帧的高精度地图定位方法,通过全局特征检测和几何关系验证实现全局位姿的初始化,位姿图优化对实时感知数据的测量误差和环境动态变化造成的误差进行修正,得到精确平滑的实时位姿信息。