即时定位与建图（Simultaneous Localization and Mapping,SLAM）技术是无人车环境感知领域的关键技术,三维地图构建是其中研究的热点。目前,基于大范围室外构建的三维地图多为稀疏地图或半稠密地图,对环境的完整重建还有欠缺。针对室外稠密地图难以构建的问题,论文研究并设计了一套融合固态激光雷达深度信息和单目相机视觉信息的室外建图系统。论文提出了一种基于传感器融合的建图方案,设计了自动标定模块,实现了激光雷达和相机数据精确校准;设计了数据处理模块,实现了传感器数据的采集与融合;设计了定位建图模块,实现了三维稠密地图构建和无人车运动估计;搭建了硬件和软件平台,在真实场景下测试与实验,验证了论文算法的有效性和系统在室外建图中的优势。论文针对场景变化和传感器偏移导致标定外参不可靠且无法及时纠正的问题,提出了一种激光雷达和相机自动标定方案。离线标定结合在线校准,提取与匹配Canny边缘,构造改进的校准目标函数优化外参,无需人为干预、适用于室外场景;针对构建稠密地图的融合数据不紧密的问题,构建RGBD关键帧。利用外参模型将去除运动畸变的雷达点云投影成深度图像,循环遍历相机图像像素点并估计该点对应的确切深度值,实现像素级融合,地图构建一致性更强;针对系统长时间室外运行累计误差较大的问题,优化地图。基于DBo W2词袋模型比较当前与历史数据的相似度,修正全局地图,消除漂移误差,提升系统鲁棒性能。经实验验证,系统硬件同步精度可达微秒级,传感器配准绝对误差在几个像素内,定位精度可达分米级,建图结果清晰完整,具备可靠性与实时性。