自动驾驶和移动机器人的相关技术研究是近些年较为热门的研究方向。同时定位与建图(Simultaneous Localization And Mapping,SLAM)的能力是实现系统无人化的重要先决条件。激光雷达由于其较高的精度以及全天候工作的特点,广泛用作SLAM技术中的主要传感器。本文以多线激光雷达作为主要的数据获取传感器,开展无人车定位与环境建模方面的研究。首先,本文对无人车软硬件研究平台的搭建做了简要介绍,主要包括实验中所使用的传感器、软件开发与运行环境等。其次,考虑到复杂环境中细小目标所带来的不可靠特征点的情况,本文先对激光雷达点云数据进行预处理,分离出地面以及细小目标点,使得处理后的点云能够提供更为稳定的特征点,避免了不可靠特征点在特征关联的过程中提供错误的约束关系,从而影响里程计精度的情况,同时也增加了算法对复杂环境的鲁棒性。接着,本文介绍了一种高精度雷达里程计与建图算法,阐述了点云特征点的提取、匹配以及帧间位姿的解算过程,并提出利用惯性测量单元(Inertial Measurement Unit,IMU)与激光雷达数据进行紧融合的方法实现了雷达里程计精度的提高,同时引入使用里程计信息作为先验的回环检测模块,并在此基础上,使用基于因子图的图优化方法对最终的位姿轨迹进行矫正,得到全局一致的地图。另外,针对某些特征点约束不足的应用场景,如环境较为空旷的场景以及结构化场景,在后端图优化中增加了其他里程计的约束,使得算法在激光雷达里程计失准的情况下,仍能保证定位与建图的精度。最后,基于无人车研究平台编写程序对算法进行实现,并在教学楼中对算法在室内的定位建图效果进行验证,同时在室外环境数据集下,对算法在大范围建图任务中的表现以及回环检测模块的效果进行验证。借助机器人操作系统(Robot Operating System,ROS)提供的可视化工具对实验结果进行展示。结果显示,相较于之前类似的激光雷达SLAM算法,效果有所提升。图53幅,参考文献56篇。