定位作为位置服务、万物互联、人工智能的核心技术之一,对即将到来的超智能时代起着举足轻重的作用。在“新技术革命”即将到来的今天,人类对定位服务提出了前所未有的新要求:高精度、高实时性、高鲁棒性、高可用性。目前关于定位技术的研究按场景分为室外定位和室内定位,主要方案有全球导航定位系统GNSS、惯性导航系统INS、智能手机室内定位、视觉里程计VO、激光里程计LO等。然而,这些单一传感器的定位手段都存在着一定的局限性。人们日益增长的定位服务需求,和基于单一传感器的定位方案的局限性存在着巨大矛盾。利用多传感器融合技术实现高精度、高实时性、高鲁棒性、高可用性的导航定位和地图构建,已成为未来研究的一种趋势。多传感器信息融合的优势主要体现在三个方面:信息的冗余性、信息的互补性、信息处理的低成本性。同时定位与制图SLAM技术凭借其优势在众多领域都进行了大量的工程实践和应用推广,例如智能机器人、自动驾驶、移动测绘以及AR/VR等。开展多传感器融合SLAM方面的研究,具有重要的研究价值和现实意义。传感器的多样性和应用场景的差异性,决定了技术方案的多样性。其中,激光LiDAR和视觉两种传感器能够优势互补,但目前已有的两者融合的SLAM方案中存在一些问题,主要有:（1）硬件平台传感器标定精度不高,空间基准不统一;（2）定位精度和实时处理效率之间的矛盾;（3）信息融合不充分,未充分发挥传感器特性优势。因此,本文主要聚焦于激光LiDAR视觉融合的SLAM技术研究,充分发挥和利用二者优势,重点解决若干关键问题,实现精确、实时、鲁棒、普适的位置服务。主要的研究工作如下:（1）在介绍几何数学理论知识的基础上,构建”平台-前端-中端-后端”的完整LiDAR/视觉SLAM核心技术架构体系。首先,从传感器硬件平台数据角度出发,围绕时空基准统一,介绍了欧式空间变换、传感器模型、传感器时间同步技术。其次,从基础理论数学角度,围绕非线性优化主题,详细描述了梯度下降法和最小二乘非线性优化问题的求解方法。最后,构建了包含传感器标定平台端、LiDAR直接法里程计前端、局部特征调整中端、回环检测图优化后端的完整SLAM核心技术架构体系。（2）针对“硬件平台传感器标定精度不高,空间基准不统一”的问题,提出利用红外影像的LiDAR/相机的高精度外标定方法,使得标定精度达到一个激光脚印点量级。首先,阐述了LiDAR视觉传感器系统高精度外标定的重要性,分析了传统外标定方法的不足,介绍了红外摄影的基本概念和特点优势,论证了红外影像用于LiDAR视觉传感器标定的可行性。其次,阐述了LiDAR视觉传感器外标定的基本概念和基本原理,提出新的利用红外影像的外标定方法,建立了高精度的外标定模型,详细介绍该方法的实施流程和技术细节。最后,利用实验数据从三个不同方面进行全面的精度评定和分析,验证方法的精确性。（3）针对“定位精度和实时处理效率之间的矛盾”,提出基于加权NDT的LiDAR直接法里程计及其局部特征调整的方案。首先,在详细介绍视觉里程计的特征点法和直接法的基础上,归纳总结和引入提出了LiDAR里程计的特征点法和直接法概念,进而阐述了直接法里程计及其局部特征调整DO-LFA的LiDAR SLAM前端（中端）架构。其次,提出了基于加权NDT的LiDAR直接法里程计方法,在经典NDT匹配中加入各体素的距离和表面特性权重,位姿参数求解基于李代数求导实现,确定了关键帧的选取策略,从而提高了里程计的精度,解决了定位精度和实时处理效率之间的矛盾。然后详细描述了LFA的特征点提取、特征点连接及运动位姿调整优化的关键步骤,构成了DO-LFA的完整技术方案。最后通过KITTI公开数据集和WHU-Kylin背包数据的详细实验,对本方案的精度和效率进行了评价和分析。（4）针对“信息融合不充分,未充分发挥传感器特性优势”的问题,提出了基于视觉BOW相似性和点云重匹配的回环检测技术,构建了基于回环检测和全局图优化的LiDAR/视觉SLAM的技术方案。首先介绍了回环检测的意义,在考虑基于几何和基于外观的方法基础上,结合视觉BOW相似性和点云重匹配判断,进行回环检测。然后详细阐述了全局位姿图的构建和优化的理论,在DO-LFA的基础上,全局位姿图优化进一步提高关键帧定位精度和全局地图一致性,实现了测量信息的充分融合。最后两个不同平台的实验,从定位轨迹精度、地图精度及一致性、Cartographer对比等多个角度,全面详细分析和讨论了算法的精确性和鲁棒性。