随着国民经济的快速发展,汽车的销量不断上升,根据国家统计局发布的信息,2019年全国民用汽车保有量2.615亿辆,人民对车辆的安全性和智能性的要求不断提高,互联网的革命性发展推进汽车工业朝着智能和网联化方向发展,汽车智能化技术正逐步得到应用。智能汽车通过在车辆装备车载电脑、智能软件和各种传感器,使车辆能够在没有人工干预的情况下,依靠车辆自身进行避障、导航和定位等,安全高效地到达目的地。自主导航作为智能汽车最重要的技术之一,它在一定程度上体现了智能汽车的智能程度,而自主导航的关键在于智能汽车的同步定位与建图(SLAM,Simultaneous Localization and Mapping)。本文首先对SLAM方法进行了整理,主要包括基于激光雷达的SLAM和基于视觉的SLAM。激光雷达的精度高且实时性好,但当环境特征不明显并处于大型环境时,由于累计误差或者错误的闭环检测,建图效果不理想。而视觉传感器虽然有丰富的环境图像信息,但精度相对低于,且受光照影响大,丰富的环境信息造成计算负荷大难以保证算法的实时性。综合看来激光雷达和视觉传感器各有优点和不足,单一传感器难以适应复杂多变的环境,视觉传感器和激光雷达的融合必将是智能汽车发展的趋势。其次本文介绍了SLAM的基本原理和框架,同时介绍了目前主流的环境地图的建立方法,随后引出本文主体上使用的SLAM算法。并对智能汽车的系统模型进行介绍,并将激光雷达坐标系统一到车体坐标系下,介绍了基于激光的图优化SLAM算法原理。最后本文在现有研究的基础上,提出一种将激光雷达和视觉传感器两种方法结合的新型算法,其主要思想是:在智能汽车的运动过程中,利用视觉传感器进行闭环检测。利用视觉的闭环检测信号与基于激光雷达的图优化SLAM进行融合,完成智能汽车的同步定位与建图。该算法可以有效的处理环境结构类似且GPS信号较弱的环境情况下的SLAM问题,利用机器人操作系统,通过智能汽车采集数据,将数据分别移植到基于激光的图优化SLAM和多传感器融合的SLAM算法中,并进行对比,实验结果证明:相比基于激光雷达的图优化SLAM算法,多传感器融合后的算法在保证实时性的同时提高了建图精度。