自主车(ALV—Autonomous Land Vehicle)的定位定向系统是实现自主导航功能的前提与基础,其精度和可靠性关系到整个自主驾驶系统的性能。本文立足于提高车载定位定向系统的精确度和可靠性,从差分GPS系统(DGPS—Differential GPS)、航位推算(DR—Dead-reckoning)系统以及DGPS/DR组合三个方面进行了定位定向研究,并进行了实车实验。论文在分析了车辆运动学特点的基础上,提出了基于差分GPS的定向方法,并通过实车数据仿真表明:在差分GPS信号接收较好的情况下,该方法能够给出高精度的定向结果。论文对航位推算系统中的传感器进行了较深入的研究。针对电子罗盘存在的初始偏差,本文利用改进型的RBF神经网络算法,以差分GPS的定向结果作为标准,对电子罗盘进行了标定,实验结果表明了标定后的电子罗盘输出精度有较大的提高;通过对两轮和四轮车辆运动学模型的分析,建立了基于ABS测速传感器的定位定向模型,并通过对模型误差分析进行了ABS测速传感器刻度因子的标定,实车实验表明了该模型能够得到高精度短时的定位定向结果;通过对车辆动力学模型的分析,提出了基于前轮摆角传感器的定向方法并对影响模型精度的因素进行了分析,实车数据仿真实验验证了本方法的可行性和有效性。论文利用卡尔曼滤波算法,建立了航位推算系统中角运动信息的融合模型以及线运动信息的滤波模型,综合航位推算系统中的多传感器信息,建立了融合角运动和线运动信息的卡尔曼滤波模型,实车数据仿真表明了卡尔曼滤波方法能够有效提高航位推算系统的定位定向精度。论文最后采用联合卡尔曼滤波方法对差分GPS和DR进行了定位定向信息融合,实车数据仿真实验表明,该方法能够有效提高车载定位定向系统的精度和可靠性。