车辆定位是智能车辆在城市环境中自主导航的一项关键技术。城市环境具有丰富的结构特征,而激光雷达具有出色的环境建模能力,十分适合城市环境下智能车辆的高精度定位。但在拥堵的城市环境,道路中存在大量的交通车辆和人群,这些物体具有很强的动态性,并且会产生严重的遮挡。在这种拥堵城市道路中,激光雷达定位方法受到动态干扰和严重遮挡的影响,会导致建图、定位困难。此外,在城市复杂环境中导航要求定位算法具有良好的实时性,而传统的基于点云定位的方法常存在定位实时性问题。因此,定位结果的鲁棒性和实时性,是激光雷达定位方法在城市拥堵环境中应用的两大难点。本文针对这两个问题展开研究,通过分析不同高度点云数据的特点,提出基于八叉树和基于柱状特征的智能车辆定位方法,提高拥堵城市环境下激光雷达定位的鲁棒性与实时性。对于道路周边的树木、建筑物等物体,这些物体高于交通车辆的天空部分,基本不受动态遮挡的影响。基于八叉树的智能车辆定位方法,选取天空点云用于匹配定位,保证了定位算法的鲁棒性。针对点云匹配定位的实时性问题,本文提出基于八叉树的快速ICP匹配方法。通过建立八叉树结构实现有效的空间索引,提高ICP算法中对应点的搜索效率。并且利用八叉树的分层特性,通过多分辨率匹配策略,保证匹配定位精度的同时进一步略降低计算量,提高算法实时性。本文定位实验证明,基于天空点云与八叉树ICP匹配的定位方法在复杂城市道路中具有良好的鲁棒性与实时性。道路环境中部的点云,受到动态车辆遮挡影响比较严重,需要提取稳定可靠的特征用于定位。本文选取对车辆遮挡比较鲁棒的柱状物作为定位特征,提出了基于柱状特征的智能车辆定位方法,利用道路环境中层点云中的树干、电线杆等柱状特征,进行特征地图创建与车辆定位。为快速鲁棒地从点云中提取柱状特征,本文提出基于三维栅格和基于环形扫描两种柱状特征提取方法,并使用圆形拟合建立柱状特征观测误差模型。最后提出基于柱状特征的粒子滤波算法实现智能车辆在城市拥堵环境的实时鲁棒定位。拥堵城市环境中的定位实验证明,基于柱状特征的定位方法保证了定位结果的实时性、鲁棒性与精确性,同时还大大降低了地图的数据量。