高精度建图和定位是自主代客泊车系统的关键技术之一。在室内停车场环境下,车辆变动频繁,且存在行人干扰,这会导致据其生成的三维场景特征地图频繁更新,对计算资源要求较高。而且,全球导航卫星信号也因遮挡不可使用,这进一步增加了室内停车场低成本、高精度定位的实现难度。基于以上考虑,本文融合低成本的环视鱼眼相机信息、惯性测量单元和轮速编码器测量信息,设计了一种基于地面标志语义类别信息的高精度建图与定位方法,可以在室内停车场环境下实现实时的、鲁棒的高精度定位。本文高精度建图与定位系统主要包括建图、全局初始化与定位三部分内容,主要贡献如下:针对建图部分语义分割的误分割会影响地图精度的问题,本文设计了一种语义点云融合方法。该方法结合多帧观测结果对地图点的类别进行校正,可以减小分割噪声的影响。为了解决长时间局部位姿推算存在累积漂移的问题,本文提出了一种结合语义类别信息和视觉特征描述子的闭环检测方法,并配合子图匹配来验证闭环结果,可以提高闭环检测精度。针对全局位姿图优化难以保证点云一致性的问题,本文通过对全局位姿图优化的协方差矩阵进行设计,建立了全局一致的、精确的地面标志地图。通过在真实室内停车场场景下的实验,说明本文建图方法可以保证地图的精度和一致性。针对基于地面标志地图的全局初始化很难同时保证实时性和精度的问题,本文结合粒子滤波和语义信息描述子匹配,设计了快速且准确的全局初始化方法。该方法充分利用了粒子滤波算法精度高和描述子匹配速度快的优势,将描述子匹配结果整合到粒子滤波框架中,保证了粒子滤波全局初始化成功率的同时,提高了算法的计算效率。通过在真实室内停车场数据下的测试,说明了本文提出的快速全局初始化方法具有良好的实时性和初始化成功率。针对泊车过程对定位精度要求更高、且地面标志被遮挡时定位精度低的问题,本文提出一种结合语义和几何推理的点云匹配方法,提高了点云配准精度,并结合惯性测量单元和轮速计推理,通过分离协方差交叉滤波方法将多数据源输出的全局位姿融合,能输出更高鲁棒的全局定位结果。在真实室内停车场场景下的实验结果表明,本文提出的定位方法可以实时运行在嵌入式平台,其均方误差小于10厘米,可以满足室内停车场环境下自主泊车的定位需求。