基于对车辆系统特性的认识与精确建模设计出的车辆自动控制系统，可提高人-车-路闭环中的车辆安全性、燃油经济性、行驶平顺性、出行效率等，技术成熟的无人驾驶车控制系统对车辆操控的可靠性，高于驾驶技能参差不齐的自然人驾驶员。无人驾驶汽车在日常交通环境中能起到的积极作用使得无人驾驶汽车技术近年来倍受瞩目。在完全陌生或野外环境下，无人驾驶车需要完全依靠自身装备的感知系统，对周边环境进行建模，利用构建起的地图探索可行路径，进行运动规划与运动控制，实现任务目标。在结构化道路上行驶的无人驾驶车辆通过利用交通环境地图，可减小其对于高精密度感知系统的依赖。本文探索电子地图及相关技术在无人驾驶汽车上的应用，对面向无人驾驶汽车的导航进行研究。相对传统汽车导航系统，面向无人驾驶汽车的导航需提供更高精密度、更高确定性的解决方案，因此，本文对车道级导航展开探索，主要研究内容为车道级路径规划与多传感器融合车辆定位。首先，研究面向自主行驶车辆的路径规划。根据无人驾驶汽车对导航系统的需求，结合道路交通现状，明确了无人驾驶车路径规划内涵为车道级动态规划。基于无人驾驶车比赛通用地图格式，提出了面向无人驾驶车应用的车道级导航地图抽象方法。对现有路阻模型进行讨论，根据应用需求与模型特点，选定BPR模型与Webster模型对路阻进行标定，并对不同路线优化目标下路阻确定进行了分析。详细讨论了路径规划中常用的图搜索算法与规划算法，并确定以A*算法作为路径规划算法，提出基于动态路阻模型车道级路径规划架构。之后，探究多传感器融合车辆定位方法。搭建了利用卡尔曼滤波器融合全球定位系统、惯性测量单元与车载ABS的轮速信号组合定位的算法架构，实现车辆位置姿态全时估计，尤其是在GPS信号无效时，通过利用车载ABS的轮速信号，解决单独依靠INS定位误差随时间迅速增大的问题。在利用惯性传感器计算车辆位置时，采用了车辆动力学中车体姿态估计与位置计算方法，取得了较高的精度。在利用轮速信息航位推算方法中，将车辆行驶轨迹假设为圆弧，根据行驶里程与车辆横摆角变化估计其位置变化。最后，对无人驾驶车导航系统中两个关键部分进行实现与验证。结果表明，车道级地图抽象方法可以有效地描述精确到车道级的地图拓扑关系，形成车道间相互连通的网络，动态路径规划算法可以有效地对不同优化目标下的路径进行规划，实现了最短出行距离、最短静态出行时间与最短动态出行时间的规划。多传感器融合车辆定位算法融合卫星定位、惯性导航系统与航位推算，实现了全时高频率车辆定位。对融合算法中是否包含航位推算部分进行了相同工况的对比仿真与试验，相对仅有惯性导航系统的方案，融合航位推算算法的定位效果提升明显。