为了解决基于激光雷达3D点云的高精度地图面临车载传感器昂贵和算力需求高的挑战,学界提出低成本、数据量小、定位精度适中的认知地图方案。当前认知地图主要是依赖路标与车道线之间的几何关系完成车辆定位,局部定位精度有待进一步提高。此外,在路标缺失情况下车辆全局定位面临挑战。为此,本文首先提出了实时矢量化地图建模方案,使用矢量化地图替代离散点地图,支撑基于道路几何形状对车辆定位方案,从而提高了车辆的局部定位精度。为了解决车辆全局定位问题,本文采用了基于车端视角的地点识别算法,实现了大尺度下车辆全局位置估计的地点识别方案。本文主要研究内容如下:（1）为了支撑基于道路连续性几何形状的车辆局部定位方案,提出了实时矢量化地图建模算法。认知地图采用分层结构,共分为四层:道路层、车道层、语义层以及动态信息层。既有的认知地图车道层是采用离散的数据点来表示道路的,无法获得道路连续的几何特性,影响车辆定位的精度。为此,本文在车道层中使用矢量化地图替代离散点地图,并且为其提出了实时矢量化车道级地图建模算法,实现了车道层的自动生成。（2）为了解决车辆全局定位问题,基于车端视角的地点识别算法,实现了大尺度下车辆全局位置估计的地点识别方案。传统的自动驾驶地图需要时刻知道自车的全局位置信息,否则将无法实现导航功能。本文提出基于车端视角的地点识别算法可以仅依赖于视觉完成大尺度下车辆全局位置估计,从而为导航功能所服务。（3）本文使用实时矢量化车道级地图建模算法,完成了清水河校区内的车道层自动生成实验,并保证其误差在厘米级范围内。本文在清水河校区内完成了对基于车端视角的地点识别算法的验证,其识别率达到百分之九十以上。