随着5G技术和车联网技术的发展,无人驾驶汽车作为当今车辆发展的必然趋势,也成为近年来研究的热点问题之一。无人驾驶车辆的定位主要用来确定车辆所处位置,是保证无人车完成行驶任务的重要前提。目前,无人驾驶汽车在室外环境下的定位主要依赖于高精度GPS、多线激光雷达、摄像头等传感器进行感知定位。高精度GPS在室外空旷条件下可得到较高精度的全局定位,但在室内或者室外遮挡环境下存在局部定位精度差或丢失定位信息的问题,无法满足无人驾驶汽车的定位要求。本文针对无人驾驶汽车的厘米级定位进行研究,提出了一种基于摄像头标定与特征点提取匹配的方法来提高无人驾驶汽车的定位精度,该定位方法能够解决大范围室内外场景下车辆的定位问题,具体研究内容如下所示:首先,利用多个路端摄像头获取视野内所有车辆的运动图像,对采集的视频信息进行前后景分离,在分析传统运动目标检测方法的优缺点基础之上,采用基于背景建模法的高斯混合模型来提取出运动车辆。其次,由于车辆搭载的计算平台资源有限,为了能够使系统具备实时性,同时提取出的特征点具有良好的尺度不变性和旋转不变性。采用ORB算法对同一区域的多角度图像进行特征点提取和匹配,对两张图片之间的数据进行关联,通过不同帧图片中特征点的对应关系筛选匹配点。然后,建立起摄像头的线性模型对路端摄像头进行标定求解出相应的内外参数矩阵并对摄像头进行畸变矫正,利用多目匹配算法对同时刻的多幅图像匹配的特征点,根据双目视觉测距原理用最小二乘法将二维图像坐标转化成三维空间坐标,并调用PCL库函数将点云数据可视化,画出点云的三维边界框,从而实现无人驾驶车辆的跟踪与定位。最后,实车实验对本文定位系统进行验证,选择合适的摄像头、实验小车、工作站和场地进行实车实验。测量车辆的具体真实位置,与程序输出的车辆位置进行对比,测试程序的准确性与可靠性,同时,对实验结果做出讨论和分析,提出一些提高系统定位精度的建议。