自动驾驶系统实现车辆定位的方法有哪些？

自动驾驶的第一步就是定位，知道自己在哪里，才能进行路径规划，控制汽车行驶。当前汽车主要用GPS导航，由于GPS不是很精准，95%的情况都可以在2米以内，在人驾驶汽车的情况下，只需要知道大概位置就可以了，人可以根据周围的环境来判断自己的位置，而自动驾驶目前还没那么智能，所以对位置的要求要更高，如果误差太大，可能出现定位错误的情况，比如你不在路口，定位到路口了，这个时候车可能会做出错误的预判。

自动驾驶系统有哪些车辆定位方法

GPS定位：GPS有一些问题，首先精度不够高，然后人们又利用RTK技术，即建立一个基站，基站的位置是已知的精确坐标（可以事先测量），然后通过基站和终端同时发送GPS定位，通过基站查询的位置和基站的绝对位置得出一个偏差，然后终端通过偏差来校正自己的位置。在信号比较好的情况下，得到的精度可以达到厘米级别，这样的精度已经达到要求了。

INS定位：作为一个不受外界干扰，但会因为时间飘逸，温度飘逸而产生大误差的惯性导航传感器，在无人驾驶中有些辅助性的功能。比如在GNSS/INS/LiDAR/HD Map融合方案中提供数据融合的预测（可参见Apollo的数据融合方案，在2017年论文里面有详细介绍）模型。

但是常规的INS精度堪忧，Apollo使用的是NoVatel的IMU，中等价格，毕竟此方案中IMU只提供一个预测。

LiDAR定位：作为一个可提供大量外界信息的一个传感器，我觉得是激光雷达催生了自动驾驶，计算机视觉技术只能是催生了辅助驾驶，所以我个人对激光雷达的认可度非常高，我也相信世界范围内的几十家激光雷达厂商可以把激光雷达的价格降下来。

以Velodyne的 32线的激光雷达来说，价格中等，每一帧可以提供百万数量级的点云，不仅可用于目标检测，也可以用于点云匹配定位（实时点云和高精度地图进行匹配定位），在高精度地图没有被遮挡，且环境特征相对较多的情况下，定位精度客观，采用GNSS/INS/LiDAR/HD Map可实现众多创业公司或者OEM推出的Demo的定位水平。