在筑路筑坝工程中,无人驾驶碾压机具有克服人工驾驶碾压机作业低效且精准度低的问题而受到广泛关注。在无人驾驶碾压机作业中,高标准的作业要求、高质量的工程需求带来控制精度的高要求,而恶劣的施工环境和碾压机特殊的铰接式机构带来控制问题的大挑战。解决多种环境下控制精度不达标问题的难点之一在于位置、航向角、俯仰角和滚转角的精确感知。为突破这一难题,本文依据碾压机现有的传感器感知系统结构,设计基于冗余设计的航向角、俯仰角和滚转角估计算法,设计用于精确定位的位置信息融合输出,力争设计比较完备的位姿感知算法。首先,为了设计冗余的、精确的位姿感知算法,根据碾压机铰接式的机构以及感知任务的需求,在碾压机上加装定位传感器（GPS）、铰接式角度传感器和航姿参考系统（AHRS）,搭建位置、姿态的测量平台。为了对传感器特性有清晰的认识,构建AHRS（包括陀螺仪和加速度计）和铰接式角度传感器的测量模型。其次,为了进行航向角的冗余输出设计,构建基于数据驱动建模的航向角估计模型。分析AHRS输出磁方位角的原理和输出数据,建立航向角估计的经验方程式。通过数据分析和标定,构建航向角估计模型。实验表明:在低动态下,航向角估计算法输出和GPS航向角输出值的最大误差为0.45°,拟合效果良好,具备一定的实用性。最后针对碾压机作业中存在GPS输出航向角和估计航向角是否可信的问题,构建基于航向角运动学模型进行阈值预测的判断优化模型。再次,为了进行俯仰角和滚转角的冗余输出设计,建立运动方程辅助惯性传感器的姿态估计模型。构建基于陀螺仪测量模型的状态方程和基于加速度计测量模型、统计模型以及旋转运动模型的测量更新方程,设计卡尔曼滤波算法对俯仰角和滚转角进行估计。实验证明:与测量值相比,滚转角估计值与传感器测量值的平均误差为1.2°,俯仰角估计值与传感器测量值的平均误差为0.45°。最后,为了进行位置坐标的精确输出,设计基于传感器松耦合和神经网络辅助的精确定位算法。构建基于加速度计和陀螺仪的时间更新方程和基于GPS和运动学约束的测量更新方程,设计基于误差状态扩展卡尔曼滤波的松耦合算法对东向位置信息和北向位置信息进行融合输出。实验证明:在定位天线出现晃动导致定位偏差时和GPS短期失效时（3s之内）,松耦合系统可以较好的对位置信息进行补偿。为了解决环境干扰过大导致松耦合算法中系统误差过大的问题,建立反向传播网络模型对松耦合算法进行补偿。仿真实验分析:构建的BP神经网络进行离线训练和在线学习后,可以较好的提升松耦合算法中时间更新过程输出的位置信息精度。综上所述,本文所提出的用于冗余设计的航向角和姿态角估计算法以及基于传感器松耦合和神经网络辅助的精确定位算法,可以有效的解决现有无人驾驶碾压机位姿感知算法的多样性不足、抗外扰性不足的问题,为设计完备的位姿感知算法奠定重要的基础。