随着“工业4.0”和“互联网+”的蓬勃兴起,各种类型的新技术正在不断应用于移动机器人行业,作为移动机器人中的一个重要分支,无人车受到人们广泛关注。如何进行环境感知,实现自定位是无人车领域核心问题之一。本课题来源于实际项目,多无人车在无GPS信号的工业园区及室内环境下执行任务时需要知道自身位姿信息及环境信息,本课题将以此为目的设计基于激光雷达的定位及建图算法。为获得无人车的全局位姿和实时环境信息,同时保证定位及建图的精度和实时性,本文提出基于激光雷达的方案,通过激光雷达和惯性测量单元构建全局点云地图,并对点云地图进行优化,根据实时点云与点云地图的匹配求解无人车的实时位姿,并构建便于路径规划的实时栅格地图。本文的研究主要包括以下几个方面:首先,分析工程的精度、实时性和鲁棒性要求,设计无人车的硬件及软件方案,根据方案进行元器件选型及安装,并建立坐标系;设计以ROS框架为主体的软件操作系统,明确激光数据预处理、点云地图建立、动态点云剔除、实时定位和栅格地图构建等算法模块。其次,对激光雷达数据进行预处理,利用惯性测量单元去除运动畸变,设计自适应体素滤波器精简点云,通过前端匹配和全局优化获得精确的无人车运动位姿,以此将点云数据插入地图中,构建全局点云地图;为处理动态物体在点云地图中的残影,设计基于距离地图的动态点云剔除算法,剔除地图中的动态点云残影。然后,针对传统ICP精度、实时性和鲁棒性较差的问题,采用GICP进行点云匹配求解无人车实时位姿,提高算法鲁棒性、精度。为进一步提高实时性和精度,设计基于KD树的地图分割算法,使GICP匹配时能够快速找到与实时点云最为接近的局部地图,获得较好的初值,从而提高算法的精度和实时性。通过绘制全局栅格地图和实时局部地图实现环境感知,为提高全局栅格地图精度,采用CSF算法进行地面点云分割,为提高实时栅格地图绘制的实时性和精度,设计改进的RANSAC算法进行实时地面点云分割。最后,将算法移植到无人车平台上,根据工程需求选取实验场地对定位与建图进行验证,算法的精度、实时性和鲁棒性均满足要求。