随着自动驾驶等技术的发展,室内场景中精准的车辆定位需求与日俱增。室内停车场是目前车辆行驶的主要场景之一,然而在该场景中,往往存在着空间有限、固有建筑设施密集,以及光源信号不稳定等问题,即使对定位场景进行大幅改造,由于定位过程易受环境噪声干扰,系统整体定位精度也不高,严重影响车辆的精准定位。为克服现有室内定位技术的不足,课题研究选择采用基于自主式定位的车载惯导技术平台,融合车载里程计与室内停车场固有环境特征信息实现对惯导定位系统累积误差的校正,从而提升车辆在室内停车场环境中的泊车定位等的精度。课题完成了如下研究工作:（1）为便于研究车辆的定位特性,基于搭建的车辆定位参考坐标系,研究了惯导定位的基本原理,构建了基于相对定位的航迹推算模型及惯导姿态解算模型,对惯导系统进行了初步校准,同时对纯惯导定位效果进行了测试与分析。（2）构建了基于车载里程计的运动学模型,设计了惯导与里程计融合定位的方案,并使用EKF算法融合惯导与车载里程计的航位推算信息以进一步提升系统定位精度。同时为了校正里程计系统的滑移误差,设计了一种自适应里程计滑移误差补偿算法,利用惯导输出的高精度角速度信息实现对相应补偿参数的自整定。（3）设计了基于超声波传感器的全局位置校正方案。针对相对定位结果在长时间定位过程中误差仍存在发散的问题,提出利用简易的车载超声波传感装置提取室内停车场的固有环境特征,并采用Split-Merge算法对提取到的特征进行线段拟合,借助在相对定位过程中融合得到的航向角信息与特征匹配结果,从而实现车辆的全局位置更新,并对该定位方案的可行性进行了实验验证。（4）为解决多源位置信息在融合过程中的正确决策问题,课题研究了不同精度位置信息在融合过程中的多参数模型建立策略,提出利用一种改进型的UKF算法,以保证信息融合的精度与运算效率,从而实现多源位置信息的数据融合,完成对定位系统的最优位置状态估计,并验证了所使用融合算法的有效性。最后,利用本文设计的方案在实际的室内停车场环境中对车辆的定位进行了测试与分析。测试结果表明,本文设计的方案可以比较好地提高车辆在室内停车场中的定位精度。