非结构化道路中的无人驾驶精确定位大量使用基于激光雷达的simultaneous localization and mapping（SLAM）技术，解决因环境变化导致的预建地图匹配失败，进而引起定位丢失的问题一直是业内难题和热点研究方向之一。针对上述问题，提出一种利用激光雷达和惯性测量单元在normal distribution transform（NDT）定位基础上融合实时局部地图匹配的长周期鲁棒定位方法online location normal distributions transform（OL-NDT）。OL-NDT将NDT获得的定位信息作为测量信息因子输入因子图中优化实时构建的局部地图，并且在其全局定位丢失后采用实时局部地图进行定位。在MulRan数据集上进行定位精度测试，OL-NDT的累计误差占比为0.40%，较现有的传统定位方法降低了1.06个百分点，定位精度得到了有效提升，且在静态结构发生较大变化的场景下也可以精准定位。同时，利用在北京联合大学采集的校园数据验证了在短暂无地图情况下OL-NDT的定位轨迹精度与已知地图时完全匹配。