近年来,可见光通信（VLC）作为射频（RF）通信的补充,正成为一种相对成熟的通信技术。在VLC领域内,随着车用VLC成为人们研究的热点,基于VLC系统框架的车辆定位方法,凭借其绿色环保、价格低廉、框架简单、定位精度高等优势,引起了学者们的广泛关注。其中,针对不同场景下的基于VLC的车辆定位,面临不同的目标与挑战。本文针对基于VLC车辆通信的不同场景,对基于VLC的车辆定位方法展开了研究,主要工作如下:1、提出了一种基于VLC的车对车（V2V）的测距方法。将单目测距的测距方法应用在车辆定位上,以目标车辆LED尾灯之间的距离作为参考物,有效缓解单目测距尺度漂移的问题。针对存在的图像背景噪声,提出了相应的图像处理方案来处理噪声并提取车辆LED尾灯。此外,为了减少随机误差对测距结果造成的影响,采用卡尔曼滤波器（KF）以平滑误差曲线,提高定位精度。实验结果表明,采用提出的基于VLC的V2V测距方法,在测距范围为15m～52.5m时,测距误差可以控制在10cm以内,并对车辆移动速度的变化有一定的鲁棒性。2、提出了一种基于VLC的基础设施对车（I2V）的定位方法。针对I2V场景中移动状态下接收端信号存在的果冻效应,提出了基于卷积神经网络（CNN）的解码方法,有效缓解果冻效应带来的解码困难。为了选择有效的LED光源,提出了相应的LED光源选择方法。同时,为了实现车辆的高精度定位,在发送端LED发送的位置信息被解码后,结合几何定位算法,来获得更加精准的车辆世界坐标。实验结果表明,提出的CNN模型可以有效的对LED光源发送的信息进行解码,实现接近100%解码准确率;同时,提出的几何定位方法在定位范围为7m～15m内,车辆的平均定位误差可以控制在6cm以内。