为提高无人平台定位的精度和鲁棒性,提出了一种基于误差状态卡尔曼滤波(Error State Kalman Filter,ESKF)算法,融合全球导航卫星系统(Global Navigation Satellite System, GNSS)、惯性测量单元(Inertial Measurement Unit,IMU)和激光雷达(Light Detection And Ranging,LiDAR)等多个不同来源定位信息的位姿估计方法。针对出现的观测量时序紊乱的问题,设计了带有缓冲区的并行滤波器结构,能够有序稳定地输出车体位姿。结果表明:在戈壁与城市混合场景下,所提出的方法平均绝对轨迹误差小于1.2 m,明显优于其他算法;在不同运动状态下所构建的滤波器能观测到所有状态量且能收敛到正确值。