目前,随着物联网和人工智能的发展,室内定位和建图的研究得到更多的关注。人类在室内活动的时间越来越长,各种室内定位服务也应运而生,在个人服务、餐饮物流、医疗改善、科学研究等领域,室内定位和建图更是发挥出了重要作用。现有的室内定位方案已经发展的较为成熟,具有十分明显的特点,即需要依赖多个设备,而且往往是基于传统的RBPF和图优化等方法的改进,本文结合激光雷达数据的特点,提出一种新的小车测速和定位的方案,将给室内定位带来一些新的思考。移动小车进行精确的室内定位的关键是要得到准确的位姿估计,位姿估计越准确,对移动小车的定位也就更准确,从而建立更可靠的地图,为后续的路径规划等奠定良好的基础。目前,大部分的室内定位算法难以做到实时且精确的定位,一些利用单线激光雷达的SLAM算法虽然能实现定位,但大多基于帧间匹配,还是存在一定的误差,难以把精度控制在厘米级以下。在本篇文章中,根据单线激光雷达扫到障碍物的一个侧面时点云数据变化的特点,从数学上分析小车的运动状态信息。另外,本文还根据小车运动特点建立了运动模型,以提供准确度较高的点云数据。在用本文的方案进行定位时,我们解决了一系列问题。第一,由于现有的单线激光雷达设备数据准确度不高,且小车的运动状态难以控制,不利于进行理论分析,因此,本文建立了室内运动场景模型,对载有单线激光雷达的小车的运动进行建模,以构造无误差的理想数据和带噪数据,并在此基础上进行分析计算。第二,由于小车一直处于运动状态,如果按照传统的思路进行帧间匹配,一帧内只有一次定位,那么总会出现定位误差。本文结合小车在不同运动状态下的特点,提出了一种逐点分析的里程计算法,可以准确地求解小车的运动状态信息,从理论上讲,可以做到定位误差非常小。第三,在定位时需要事先知道小车的运动状态,才能进行具体计算,本文设计了一种新的算法来判断小车实时的运动状态。第四,在利用点云数据时,还需要判断点云是扫到哪条墙壁产生的,本文提出了一种数据分类算法来区分扫到不同墙壁上的点云数据。与其他室内定位系统不同,本文主要是根据单线激光雷达的数据特点,从数学上计算出当前时刻自身的一些状态量,进而能够实现高精度的室内定位,不过,本方法依赖于高精度的单线激光雷达设备,市场上这种设备价格十分高昂,因此,本文通过对小车和激光雷达的运动进行建模来获取实验数据,通过对理想数据添加噪声来模拟真实情形。