本发明公开了一种基于增量学习的因子图多源信息融合方法。方法为：首先对无人车搭载的传感器和程控电源进行自检，匹配相应的因子图框架；然后采集传感器量测信息，同步进行导航参数解算，并传输到中央处理器；接着设定先验信息，建立传感器的因子图模型和对应的代价函数；当有新的观测信息时，将受新添加因子影响的部分转换回因子图，并将与新的测量相关联的因子添加进去，加入训练集进行增量学习，并通过选择变量的消元顺序，从因子图中消去节点并构建条件概率表，得到表示变量条件依赖关系的贝叶斯网络；如果还有新的观测信息，则重复进行因子添加；否则输出导航信息。本发明具有适用性强、计算效率高、抗扰能力强、可维护性和扩展性强的优点。