自动驾驶技术已经成为汽车行业的研究热点,对于智能汽车自动驾驶地图是不可或缺的基础。自动驾驶地图主要分为两种,点云地图与矢量地图。未经抽象表示的点云地图包含着丰富的环境先验信息,能够支撑智能汽车定位和运动障碍物检测等多种算法。如何构建并更新点云地图成为自动驾驶地图发展中的重要一环。构建自动驾驶点云地图首先需在获取点云的同时对地图采集车辆的自车位姿进行准确的估计;为满足自动驾驶不同需求,构建的点云地图中应包含颜色及语义信息,这就需要完成三维点云与二维像素之间的关联标定;由于智能汽车行驶环境具有高动态性,为保证自动驾驶地图数据的即时性,还需研究点云地图的动态更新算法。本研究将具体解决下述问题:基于差分GNSS的位姿估计方案能够实现对自车准确的位姿估计,但在丢失卫星信号区域的地图采集将受到限制。针对这一问题,本文将开展基于激光雷达、相机和惯导融合的位姿估计算法。首先研究激光雷达位姿估计漂移修正算法以提高激光雷达位姿估计精度;随后将提出多传感器位姿估计紧耦合优化框架,保证在激光雷达短时间失效时车辆仍能够对自身进行准确的位姿估计。为使自动驾驶点云地图中增加丰富的视觉信息,本文将开展三维点云到二维像素的映射标定算法研究,经标定后能够在点云地图中关联对应像素信息,继而可以将图像中的颜色信息和语义分割结果映射到点云地图当中。针对现有算法图像语义分割结果不完备的情况,本文将基于地图中物体的几何信息和语义类别设计投票机制,对生成的多源信息自动驾驶点云地图进行进一步优化。为实现实时采集数据对地图的动态更新,本文首先研究更新数据在自动驾驶点云地图中的定位算法,以实现更新数据与原始地图间的关联;随后将基于八叉树结构和二值贝叶斯滤波实现对点云地图数据的高效率组织和不确定度建模;最后将对现有光线投射法进行改进,实现自动驾驶点云地图动态更新。为验证本文所提出算法有效性,各部分研究内容首先在开源数据集上进行验证,在此之后本研究将设计搭建地图采集硬件平台,对清华大学校园进行自动驾驶点云地图采集及地图精度验证。实验中还将设计智能汽车在点云地图中进行自定位并更新地图的场景,以验证自动驾驶点云地图更新算法的有效性。