全自动、低成本地构建大规模场景精准完整的三维地图是无人驾驶、增强现实、服务机器人等领域的共性需求。在无人驾驶领域，三维地图的构建通常需要同时依赖多线激光雷达（Light Detection and Ranging, LiDAR）、多朝向相机、高精度组合惯导等设备，面临设备成本高、不同设备之间难以精确同步、设备之间相对位姿标定复杂等瓶颈问题。针对这些问题，本文在“图像与激光联合全局式稀疏重建”、“基于点云配准的图像与激光迭代位姿标定”、“基于点云特征匹配的图像与激光联合构图与位姿标定”三方面开展了研究工作，构建了图像三维重建为基础的无人车图像-激光联合构图与联合标定技术方案，可以有效降低三维地图构建过程对高精度惯导设备的依赖，同时实现了图像-激光联合标定和联合构图的全自动化。本文构建的技术系统在实际无人车场景中开展了实验验证，验证了本文提出的一系列算法的有效性，为无人车图像-激光联合标定和联合构图的落地应用提供了技术途径。本文开展的主要工作如下：

1）为减低现有无人车三维地图构建对高精度组合惯导设备的依赖，本文提出一种相机与激光雷达融合稀疏三维重建的方法。该方法首先将每一个采集位置的激光点云转换到图像坐标系，并投影为稀疏深度图；之后通过深度补全策略对稀疏深度图进行稠密化，获取图像中逐像素的粗略深度；之后根据相邻位置图像特征匹配结果，以及特征点对应的局部深度，获得相邻相机之间的3D-3D点对应；基于3D-3D对应点集合，使用基于RANSAC的相对位姿估计方法，可以获取相机之间相对旋转和相对平移；最后，使用全局式旋转平均和位移平均方法来获取相机全局位姿，并通过三角化和捆绑调整进行三维稀疏地图构建。实验结果表明，本文提出的方法能够在不依赖高精度惯导初值的前提下，高效准确的获取场景稀疏三维地图。

2）上述方法中需要预先获取相机与激光之间精确的相对位姿，以及精确的相机内参，为此，本文进一步提出了一种基于点云配准的图像与激光迭代位姿标定方法，具有全自动计算、不依赖任何人工标定物、充分利用场景全局信息、标定结果精确等优势。该方法首先针对无人车可能存在的采集设备不同步问题，设计了适用于传感器标定的车辆运动方式；之后使用基于广义相机模型约束的稀疏重建方法获取场景稀疏三维地图；之后采用迭代ICP配准的方式，将单站激光雷达点云依次配准到稀疏地图中，获取单站激光雷达和相机之间的相对位姿，并通过位姿平均消除误差；这一单站ICP配准+相对位姿平均的计算流程进行若干次迭代，直到收敛。实验结果表明，本文提出的方法可以全自动的获取高质量的相机-激光相对位姿标定结果和相机内参标定结果。

3）上述方法中每一站激光雷达独立与稀疏地图进行ICP配准，无法保证激光雷达之间的点云一致性，所得到的结果为近似收敛值。为此，本文进一步将激光雷达信息纳入图像三维重建流程，通过构造激光点和图像稀疏重建点之间的几何约束，将激光-激光、激光-图像、图像-图像这三类约束纳入统一优化框架，提出了一种具有完备数学表达的图像与激光联合构图与位姿标定方法。该方法首先利用所有图像进行稀疏三维重建；之后提取图像稀疏重建点和单站激光点中的几何特征，包括边缘点（线特征）和平面点（平面特征）；之后构建包含三维空间中的点到线距离误差、点到面距离误差，以及重投影误差在内的联合优化函数进行整体求解；这一图像稀疏重建+误差构造+联合优化的计算流程迭代进行，直至所有传感器位姿稳定。试验结果表明，本文算法可以获得精确的相机-激光联合标定结果，同时也可以直接用于大规模道路的图像-激光联合构图。