自主定位与导航技术是无人驾驶车的核心关键技术,也是无人车领域近年来研究的热点。在城市道路环境中,由于交通状况复杂多变且无法预测,社会对无人车安全性、稳定性和经济性要求的不断提高,当前的自主定位与导航方法都存在一定的局限性。本文重点研究城市道路下无人车的自主定位与导航技术,主要研究内容如下:（1）分别研究相机、IMU和固态激光雷达的传感器模型,对相机/IMU和激光雷达进行联合标定,提出融合视觉/IMU和激光雷达的SLAM框架,采用增量式平滑的因子图优化方法进行状态估计处理,将因子图保存在贝叶斯树中,当有新的因子节点加入时,识别被影响的变量节点并仅对它们进行优化更新,从而维持全优化的稀疏特性,实现多传感器融合定位与地图构建。通过构建一个全局的因子图,各模块向因子图中插入起始因子、配准因子、IMU因子和闭环因子,每当插入新的因子节点,通过因子图优化算法对其进行优化更新,实现多种传感器紧密耦合,为无人车感知提供可靠位置、姿态和环境地图信息。分别在KITTI数据集、真实城市道路环境和隧道环境中对算法进行测试,并且与A-LOAM、LOAM-Livox和VINS-Fusion等算法进行对比,实验结果表明所设计的融合视觉/IMU和激光雷达的自主定位与地图构建系统在复杂环境下能够实现精准的自主定位与高精度地图构建,并且在保证精度的前提下依然具有很高的实时性和鲁棒性。（2）为了实现车辆的自主导航,首先对阿克曼式无人车动力学模型进行分析,计算出阿克曼式无人车需满足的约束,通过处理所构建的高精度地图以获得静态障碍物地图,通过对动态障碍物进行检测和连续时间状态估计,解算出障碍物的位置信息、速度信息、类别信息,通过将动态障碍物约束加入到TEB轨迹规划器中,实现具有实时性和高度安全的轨迹规划。在轨迹规划器生成无人车目标轨迹后,通过基于运动学模型的轨迹跟踪器对轨迹进行跟踪,并对车辆实施平滑的时变反馈控制实现车辆的点到点自主导航。最后,搭建无人车实验验证平台对自主导航方法进行验证,实验结果表明所设计的自主定位与导航系统正确和有效。