自動駕駛定位技術(shù)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(zhǔn)的效果。隨著自動駕駛的發(fā)展，定位技術(shù)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(shù)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(shù)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(tǒng)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(tǒng)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(gòu)建”。它是指運動物體根據(jù)傳感器的信息，一邊計算自身位置，一邊構(gòu)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(xiàn)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(shù)準(zhǔn)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(zhì)點并與環(huán)境有機結(jié)合起來。

按定位技術(shù)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?qū)Ш叫l(wèi)星系統(tǒng)；第二類，航跡推算，依靠IMU等，根據(jù)上一時刻的位置和方位推斷現(xiàn)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(shù)據(jù)庫中的特征和存儲的特征進行匹配，得到現(xiàn)在車的位置和姿態(tài)。

現(xiàn)有的無人車高精度定位在某些情況下會出現(xiàn)定位不準(zhǔn)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(dāng)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(biāo)識、地圖匹配、GPS、或?qū)Ш叫艠?biāo)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(zhuǎn)運動的高頻（1KHz）傳感器，對慣性傳感器數(shù)據(jù)進行處理后我們可以實時得出車輛的位移與轉(zhuǎn)動信息，但慣性傳感器自身也有偏差與噪音等問題影響結(jié)果。而通過使用基于卡爾曼濾波的傳感器融合技術(shù)，我們可以融合GPS與慣性傳感器數(shù)據(jù)，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(shù)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(zhǔn)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(jié)合多個傳感器聯(lián)合來解決定位問題，以下為幾個具體的定位方法：

1、業(yè)內(nèi)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(yù)先準(zhǔn)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(biāo)系內(nèi)做配準(zhǔn)。配對（Matching）成功后確認(rèn)自車位置。這是目前最成熟，準(zhǔn)確度最高的方法。

通過一個視頻具體了解一下業(yè)內(nèi)是如何結(jié)合車載傳感器信息做定位的。

首先根據(jù)GPS的數(shù)據(jù)（經(jīng)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(jù)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。