随着我国汽车保有量的增加,停车需求越来越大。室内停车场作为城市主要停车场景之一,该场景下出现了“停车难”和“寻车难”的问题,实时高精度的车辆定位和可视化停车地图成为解决该问题的有效途径。为实现车辆的精确定位,车辆需要搭载高精度传感器和大幅改造定位场景,成本高,难度大。室内停车场中,由于现有车辆定位方法易受环境噪声干扰,系统整体定位精度也不高,严重影响车辆的精准定位。同时,大多数用于车辆定位所构建的地图只包含低层几何信息,难以在寻车过程中实现地图可用。为克服现有室内停车场车辆定位技术的不足,文中采用基于视觉同步定位与建图技术实现车辆实时高精度定位,并结合低成本车载传感器IMU补充实现视觉失效后车辆的定位,以提高定位方法的鲁棒性。同时,构建语义地图以方便反向寻车。在课题研究过程中完成了如下研究工作:（1）针对稠密点云语义标注实时性差的问题,构建了一种RGB图像辅助空间稠密点云实时语义标注方法。采用Yolact++网络实现RGB图像的实时实例分割,基于RGB相机与深度相机之间的位姿变换关系,将RGB图像语义信息映射到深度图像上,从而实现稠密点云的语义标注。针对物体实例的分割不稳定和深度信息缺失问题,给出了基于Lucas-Kanade光流法和历史连续图像帧信息相结合的修正方法,并验证了该方法的可行性。（2）鉴于运动物体会降低车辆视觉定位精度问题,提出了基于光流跟踪的实例物体帧间运动状态的判别方法。基于实例物体运动状态判别结果实现运动物体的剔除,并在公开数据集上验证了该方法的可行性。为解决视觉失效问题,建立了视觉与IMU的组合定位机制,利用IMU弥补了视觉定位在鲁棒性方面的不足。（3）为克服传统点云地图占存储空间大与重用性不佳的问题,构建了实例物体语义八叉树地图。建立了物体实例数据库,初步实现了基于实例物体的重定位。