自動駕駛定位技術就是解決“我在哪兒”的問題，并且對可靠性和安全性提出了非常高的要求。除了GPS與慣性傳感器外，我們通常還會使用LiDAR點云與高精地圖匹配，以及視覺里程計算法等定位方法，讓各種定位法互相糾正以達到更精準的效果。隨著自動駕駛的發(fā)展，定位技術也一定會不斷優(yōu)化。
一般來講，自動駕駛實際包含三個問題：一是我在哪？二是我要去哪？三是如何去？能完整解決這三個問題就是真正的自動駕駛。
定位技術就是解決“我在哪兒”的問題，并且自動駕駛需要的是厘米級定位。
目前自動駕駛的技術基本上都源自機器人，自動駕駛汽車可以看做是輪式機器人外加一個舒適的沙發(fā)組成。機器人系統中定位和路徑規(guī)劃是一個問題，沒有定位，就無法規(guī)劃路徑。厘米級實時定位是目前自動駕駛最大的挑戰(zhàn)之一。對機器人系統來說，定位主要靠SLAM與先驗地圖（Prior Map）的交叉對比。
SLAM是Simultaneous Localization and Mapping的縮寫，意為“即時定位與地圖構建”。它是指運動物體根據傳感器的信息，一邊計算自身位置，一邊構建環(huán)境地圖的過程。
由于傳感器種類和安裝方式的不同，SLAM的實現方式和難度會有很大差異。按傳感器來分，SLAM主要分為激光、視覺兩大類。
自動駕駛通過定位技術準確感知自身在全局環(huán)境中的相對位置，將自身視作一個質點并與環(huán)境有機結合起來。
按定位技術原理不同可分為三類。第一類，基于信號的定位，代表就是GNSS定位，即全球導航衛(wèi)星系統；第二類，航跡推算，依靠IMU等，根據上一時刻的位置和方位推斷現在的位置和方位；第三類是環(huán)境特征匹配，基于LiDAR的定位，用觀測到的特征和數據庫中的特征和存儲的特征進行匹配，得到現在車的位置和姿態(tài)。
現有的無人車高精度定位在某些情況下會出現定位不準的情況。因此僅依靠GPS的定位方案可靠性太差。
因此自動駕駛一般用組合定位。首先本體感知傳感器如里程計（Odometry）、陀螺儀（Gyroscopes）等，通過給定初始位置和姿勢（簡稱位姿），來測量相對于機器人初始位姿的距離和方向來確定當前機器人的位姿，也叫做航跡推測。然后用激光雷達或視覺感知環(huán)境，用主動或被動標識、地圖匹配、GPS、或導航信標進行定位。位置的計算方法包括三角測量法、三邊測量法和模型匹配算法等。從這個角度而言，IMU也是自動駕駛必備的部件。
慣性傳感器（IMU）是檢測加速度與旋轉運動的高頻（1KHz）傳感器，對慣性傳感器數據進行處理后我們可以實時得出車輛的位移與轉動信息，但慣性傳感器自身也有偏差與噪音等問題影響結果。而通過使用基于卡爾曼濾波的傳感器融合技術，我們可以融合GPS與慣性傳感器數據，各取所長，以達到較好的定位效果。
注意由于無人駕駛對可靠性和安全性要求非常高，所以基于GPS和慣性傳感器的定位并非無人駕駛里唯一的定位方式。
就目前定位技術而言，自動駕駛有三類定位方法，通常三種方法會被交叉使用，以相互糾正達到更精準的效果：
基于 GPS 和慣性傳感器的傳感器融合；
基于 LiDAR 點云與高精地圖的匹配；
基于視覺的道路特征識別。
這三類定位方法，都屬于需要結合多個傳感器聯合來解決定位問題，以下為幾個具體的定位方法：
1、業(yè)內通用的定位方式是GPS＋高精度地圖＋攝像機（激光雷達等）信息融合的定位方法。
激光雷達的SLAM，利用車輛自帶的GPS和IMU做出大概位置判斷，然后用預先準備好的高精度地圖（Prior Map）與激光雷達SLAM云點圖像與之對比，或者說Registration，放在一個坐標系內做配準。配對（Matching）成功后確認自車位置。這是目前最成熟，準確度最高的方法。
通過一個視頻具體了解一下業(yè)內是如何結合車載傳感器信息做定位的。
首先根據GPS的數據（經緯高和航向）確定無人車大致處于哪條道路上，這個位置的可能與真實位置有5～10米的差距。
根據車載傳感器檢測的車道線（虛、實線）及道路邊緣（路沿或護欄）的距離與高精地圖提供的車道線及道路邊緣做比對，然后修正無人車的橫向定位。
