机器人自主定位和导航是机器人领域的一个重要研究方向。机器人定位方式又可分为局部定位（如基于马尔科夫链的SLAM（Simultaneous Localization And Mapping）里程计的相对位置的确定）和全局定位（如有额外的地图辅助的绝对位置确定）。局部定位方式因其定位原理会造成定位误差累积;而地图包含环境中目标的精确位置信息,能够提供可靠的绝对位置。地图现有形式中,栅格地图、拓扑地图等形式只能给出环境的几何信息,语义地图除了几何信息外还提供环境更高层次的语义信息即环境目标的类别和位置信息,可以帮助机器人更好地理解环境,实现高水平的人机交互。若事先具有包含全局的环境目标语义信息的语义地图,再对激光雷达（Light Detection and Ranging,LiDAR）当前位置扫描到的点云帧进行目标语义提取,找出与语义地图中存储的同类型的目标的语义信息,生成语义帧并将其与全局语义地图进行匹配,就能够确定LiDAR的绝对位置。这种语义地图辅助的定位方式也能够给定机器人可靠的参考位置,确保机器人能够连续定位并执行人类交付的任务。本文基于语义地图辅助LiDAR定位的思想,所做的主要工作如下:（1）利用LiDAR点云数据处理算法提取环境中的目标即树木的语义信息。采用点云滤波算法剔除原始点云中的离群点、压缩海量点云数据等;并对滤波后的点云数据剔除地面点云,防止地面点云干扰目标信息的提取结果;综合利用欧式聚类算法和采样一致性分割算法的优势提取环境目标的语义信息。（2）对于语义提取算法提取到的环境目标的语义信息,利用角度阈值筛选掉与水平方向夹角过小的目标类簇,利用距离阈值筛选掉不满足距离要求的目标类簇,并对筛选后的目标进行语义参考点的确定。这些参考点具有可靠的位置信息,用于后续匹配定位。（3）预先构建好包含环境中目标语义参考点信息的全局语义地图,并对LiDAR当前位置扫描到的点云应用上文讲述的语义提取算法生成语义数据帧,两者进行匹配定位,实现LiDAR定位的目的。（4）利用LiDAR设备采集的室外环境数据进行定位实验,针对一些算例的定位结果对本文提出的语义地图辅助的LiDAR定位方法进行精度和效率方面的评估。定位结果表明,本文提出的语义地图辅助的定位方法在算法耗时方面有巨大提升,可达46%,同时在定位精度方面,能够提供一个稳定可靠的全局参考位置。实验表明,本文提出的语义地图辅助LiDAR定位的方法是可行的并且能够提供一个鲁棒的全局定位结果。