近年来,自动驾驶、自主无人机、智能机器人等行业得到飞速发展,在服务业、农业、医疗方面有了大量成熟的应用。定位技术是机器人完成相关任务中最基本的需求之一,主要有基于激光雷达和相机的方法。单一传感器已经不能满足实际应用场景的需求,把激光雷达与相机的优点结合,利用激光雷达与相机各自的优势可以实现精度更高、稳定性更强的定位方法。本文在基于稀疏直接法的DSO（Direct Sparse Odometry）算法基础上,提出了基于先验激光雷达点云地图的单目视觉定位方法。该方法利用Lidar地图的距离与平面信息,实现了拥有绝对尺度的单目视觉定位方法。算法在公开数据集EuRoC上进行实验测试,结果显示在光照变化明显的场景也能够稳定的运行,并且定位精度优于当前最先进的单目视觉定位算法。主要研究内容如下:（1）针对激光雷达与相机外参标定的过程繁琐问题,提出了基于边缘特征的外参自动标定算法。首先处理图像数据,先提取边缘,然后进行逆距离变换处理,得到具有梯度的边缘图像。其次处理Lidar数据,过滤相邻点距离小于阈值的点,得到边缘点云。再次将点云投影至预处理后的图像上构建目标函数,优化求解得到最优的外参。最后通过一组实际的数据测试,验证了本方法可以在任意场景下获得精度更高的外参。（2）针对单目视觉定位算法存在的尺度漂移和定位精度低的问题,提出了基于Lidar点云地图的单目视觉定位算法。先将场景的3D点云地图进行基于PCA（Principal Component Analysis）的法向估计。然后将图像特征点与法向地图中的点进行匹配,得到像素的距离与平面信息。最后利用地图的距离进行单目相机的初始化,并在光度误差函数中加入平面约束,通过非线性优化求解得到拥有绝对尺度与精度更高的相机位姿。（3）针对基于直接法的视觉定位方法受外部环境光照变化影响的问题,将相机的光度标定加入到视觉定位算法中,使得定位算法能够在光照变化明显的场景中稳定的运行,提升了单目视觉定位算法的稳定性。