自动驾驶等应用场景需要实时获取全局位置信息，满足以导航定位为基础的各种任务需求。在复杂的室外环境中，GPS或视觉传感器容易受到遮蔽或干扰，无法保障长时间运行下的定位性能。激光雷达因其精确的感知能力和强大的抗干扰能力，成为这类应用中极为重要的传感器。在SLAM研究中，全局定位属于回环检测模块，通常需要依赖视觉传感器，当前对激光回环检测的研究较少。因此，本文为满足室外场景下的实时全局定位需求，具体结合三维激光雷达感知原理和室外环境点云特性，开展以激光SLAM为框架的特征提取和全局定位方法研究。
　　首先，由于原始点云属于散乱点集，直接进行特征提取会带来效率低下、精度不高的问题，高质量点云是准确特征提取的重要前提。为配合后续环节的需求，本文设计了相应的预处理方法。先利用八叉树组织点云，构建拓扑关系，以实现高效邻近搜索。再结合三维激光雷达的扫描特性以及常规点云地面提取方法，设计基于模型拟合与区域生长的方法高效提取地面点。接着对非地面点中的路标，采用优化的DBSCAN算法进行分割，使传统DBSCAN的参数选取更适应室外点云的特征，实现高效的路标分割和去噪，从而为特征提取模块提供了高质量输入。
　　其次，考虑到传统几何特征在室外场景中存在重复性和适应性的问题，本文设计了不随扫描角度变化、位置参考性高、可参数化的点云特征提取方法。先将预处理环节中获取的路标类作为位置参考，结合传统点特征和线特征提取方法，描述路标轮廓形状，再选取稳定可靠的距离和角度信息代表邻居类的位置关系，实现特征的参数化，为高效的特征匹配奠定基础。接着对通常被舍弃的地面点提取路牙和指示线特征，利用路牙的高程梯度一致性和指示线的反射强度异常一致性，拟合还原路牙和指示线，以提取道路信息，辅助里程计配准。
　　然后，基于传统激光SLAM框架，将特征提取中的创新点融入建图和回环模块，实现算法的流程化。在整个流程中，先使用预处理模块压缩点云，为激光里程计提供更精炼的点云。再通过地面特征匹配优化激光里程计的初始位姿，提高配准效率和精度。在点云地图增量化的同时，从配准后相对完整的局部点云中提取可靠的路标特征，构建轻量级路标地图。最终用高效的数据库思想管理路标地图，依靠参数化的特征矩阵实现快速匹配，从而完成实时的全局定位。
　　最后，基于Matlab平台，使用Velodyne公司提供的VLP-16型激光雷达实测数据集，对本文所提算法进行了综合验证，进一步证明了所提算法的有效性，为三维激光雷达实时全局定位在室外场景下的应用提供了参考。