眾所周知，自動駕駛的第一步就是定位，知道自己在哪里，才能進行路徑規劃，控制汽車行駛。

當前汽車主要用GPS導航，由于GPS不是很精準，95%的情況都可以在2米以內，在人駕駛汽車的情況下，只需要知道大概位置就可以了，人可以根據周圍的環境來判斷自己的位置，而自動駕駛目前還沒那么智能，所以對位置的要求要更高，如果誤差太大，可能出現定位錯誤的情況，比如你不在路口，定位到路口了，這個時候車可能會做出錯誤的預判。

GPS定位：

GPS有一些問題，首先精度不夠高，然后人們又利用RTK技術，即建立一個基站，基站的位置是已知的精確坐標（可以事先測量），然后通過基站和終端同時發送GPS定位，通過基站查詢的位置和基站的絕對位置得出一個偏差，然后終端通過偏差來校正自己的位置。在信號比較好的情況下，得到的精度可以達到厘米級別，這樣的精度已經達到要求了。

另外的問題是GPS的頻率是10hz，所以位置信息0.1s才更新一次，這0.1s里的位置發生了變化，可以通過IMU和里程計來計算，即通過計算汽車的姿態，初速度，加速度來計算出汽車的實時位置，通過上述的技術解決了自動駕駛汽車的定位問題。

INS定位：

作為一個不受外界干擾，但會因為時間飄逸，溫度飄逸而產生大誤差的慣性導航傳感器，在無人駕駛中有些輔助性的功能。比如在GNSS/INS/LiDAR/HD Map融合方案中提供數據融合的預測（可參見Apollo的數據融合方案，在2017年論文里面有詳細介紹）模型。

但是常規的INS精度堪憂，Apollo使用的是NoVatel的IMU，中等價格，畢竟此方案中IMU只提供一個預測。

LiDAR定位：

作為一個可提供大量外界信息的一個傳感器，我覺得是激光雷達催生了自動駕駛，計算機視覺技術只能是催生了輔助駕駛，所以我個人對激光雷達的認可度非常高，我也相信世界范圍內的幾十家激光雷達廠商可以把激光雷達的價格降下來。

以Velodyne的 32線的激光雷達來說，價格中等，每一幀可以提供百萬數量級的點云，不僅可用于目標檢測，也可以用于點云匹配定位（實時點云和高精度地圖進行匹配定位），在高精度地圖沒有被遮擋，且環境特征相對較多的情況下，定位精度客觀，采用GNSS/INS/LiDAR/HD Map可實現眾多創業公司或者OEM推出的Demo的定位水平。