智能车辆对于行驶的安全性和可靠性要求非常高,具有精准定位系统的智能车辆可以有效的减少甚至避免在行驶过程中出现的剐蹭、车辆相撞等交通事故,因此在智能车辆的行驶过程中,对于其感知层面,车辆首先要通过各种方式知道自己相对于外界的位置信息。全球定位系统(Global Positioning System,GPS)是人们最常使用的定位技术,其广泛应用于军事、道路工程、汽车导航和交通管理等领域,但是GPS存在多路径反射、误差较大、信号更新频率低等问题。故需要探索其他传感器或者其他定位方式对GPS定位进行辅助和增强。本文对智能车辆在自主导航等工作中的定位问题进行了探索,并通过理论与实践相结合,进行了基于里程计、惯性测量单元(Inertial Measurement Unit,IMU)和激光传感器的定位研究工作,主要研究内容如下:建立智能车辆的运动学模型,找到状态变量与控制变量之间的函数关系。然后针对定位实验过程中使用的传感器进行了建模分析,并介绍了传感器的主要参数,最后对于整个定位问题进行建模讨论。对实验中使用的智能车辆进行IMU校准、线速度、角速度校准,为实现后续精确定位实验奠定基础。使用基于测程法的前进返回实验对校准前后的车辆运动结果进行对比分析,说明校准后车辆的直线移动位置精度和旋转角度精度均得到提高,车辆能较为准确的回到起点位置,与初始位姿保持一致。将定位问题分为无地图定位和基于地图定位两个方面。针对无先验地图的定位问题,将里程计、IMU作为定位传感器,并基于扩展卡尔曼滤波算法融合两种传感器数据。通过直线轨迹和曲线轨迹定位实验,计算出估计位姿与车辆实际位姿之间的误差来对融合后的定位效果进行了分析讨论。实验结果说明经过算法融合后,车辆能较为准确的估计自身位姿,但存在累积误差问题,不能进行长距离位姿估计。对于具有先验地图的定位问题,首先利用激光传感器作为外部传感器进行了地图的构建。在建好的地图基础上,使用里程计、IMU和激光传感器,根据粒子滤波算法进行直线轨迹和曲线轨迹定位实验。为避免建图误差对结论的影响,采用第一次定位结果作为真值的最优估计值,根据工程应用中常用的定位评价指标和精度要求对测量位姿与最优估计位姿的误差进行讨论分析。实验结果表明基于地图的定位可以有效对里程计和IMU的累积误差问题进行校正,同时车辆的定位成功率较为良好。