1.无人车定位技术
无人车的自动定位系统，即相对一个坐标系，无人车的自定位系统知道汽车的位置和姿态。
位置和姿态分别有三个自由度。
(1）位置对应X，Y，Z，即相当于某个坐标系，汽车的平移是多少。
(2）姿态是三个方向的一个旋转，一般会用欧拉角来表示。包括横滚、俯仰和航向。
其实除了位置和姿态这两个维度，自动定位系统还要输出很多信息。除去速度、加速度和角速度外，自定位系统还需要对位置和姿态加上一个置信度，表示这次输出的定位结果好不好。
定位指标
(1)精度：定位精度必须控制在10厘米以内，才能使行驶中的自动驾驶车辆避免出现碰撞或者偏离车道线的情况。
(2)鲁棒性：鲁棒性一般情况下用最大值来衡量。
(3)场景：对于定位系统，需要覆盖各种场景。
定位方法
(1）基于电子信号的定位：基于电子信号的定位方法中最有特点的就是GNSS（全球导航卫星系统）。它的作用机制是通过一组卫星的伪距、星历、卫星发射时间等观测量，以及用户钟差，得知你现在大概的位置。
(2）航迹的推算：航迹推算最有特点的就是IMU。航迹推算就是根据上一时刻“我“的”位置“和”姿态“，叠加一些测量信息可以知道现在的”位置“和”姿态“。IMU是一个惯性测量单元。它包含了加速度计和陀螺仪。加速度计会输出加速度的信息。但是不止加速度，它还包含重力加速度。陀螺仪是一个旋转，即是前面所讲到三个轴上的一个旋转。
(3）环境特征的匹配：环境特征匹配相对较多，比如LiDAR的匹配。在建好了点云定位的地图，将LIDAR的数据和已建好的地图做匹配，以此来计算自己的位置。或者通过摄像头，知道了一些车道线，红绿灯的标志，然后确定自身的位置。
（4）为了增加GNSS的精度，我们采用差分技术。
差分技术分为物理差分和距离差分两种。距离差分又分为伪距差分和载波相位差分。其中，伪距差分的精度不会特别的高，精确度为米级，而载波相位差分定位精确度基本上是在厘米级（小于5厘米）。载波相位差分定位的缺点有硬件成本高，比如基站的设置，人力的维护；对可视卫星的依赖。即在这个场景下面能看到的卫星是必须比较多的，否则就差分不出来误差；易受电磁环境的干扰
（5）激光定位：
激光定位需要预先制作一个地图，不管是3D的Voxel地图或者是点云地图，又或者是2D的概率地图。2D概率地图是把所有的这个点云数据铺到一块，压成了一个2D地图。2D地图分成很多小格子，每个格子里面存储了颜色信息，位置。位置上面可能只存Z的这个维度，因为2D地图有XY。然后地图包括一些概率，概率和点云的数量以及分布相关。如图为实时的激光点云和已有的地图去做匹：
（6）视觉定位：
对于视觉定位，如果照明环境变化越大，，视觉所受到的影响就越大。所以基于这种特征点的定位，比如SLAM里面用Relocalization并不是很合适用于车的视觉定位。因为下次可能检测不到那些特征，比如SIFT特征或者别的特征就会造成定位的失败。但是有一些特征具有明显意义，比如车道线或者旁边立的这些柱子，红绿灯的柱子或者红绿灯本身或者一些Traffic Sign之类的，对于定位而言非常有用。
（7）惯性导航：
惯性导航是基于IMU的，里面包含有加速度计和陀螺仪。加速度计会给提供瞬时的加速度，陀螺仪提供瞬时角速度。加速度计提供的不仅是加速度，还测量了重力加速度，所以用的时候需要先把重力加速度剔除掉。
IMU的工作过程：首先是角速度通过积分后得到一个姿态，并把它应用到加速度上，对加速度积分得到速度，再得到最后的位置。
IMU优点：可以得到一个六自由度的信息；短时精度非常高；输出频率高，无延迟；设备独立，没有外部依赖。
（8）多传感器融合定位：
多传感器融合定位的核心是中间的卡尔曼滤波器
其他
（1）无人驾驶车坐标系大多使用右手坐标系。
（2）三维旋转:欧拉角和四元数，这两者会用于优化过程。
（3）常用坐标系：
i.地心惯性坐标系
ii.地心地固坐标系
iii.当地水平坐标系
iv.UTM投影
v.车体坐标系
vi.IMU坐标系
vii.相机坐标系
viii.激光雷达坐标系：
总结：
2.百度无人车定位技术
GNSS定位技术：
GNSS为全球导航卫星系统（Global Navigation Satellite System）的简称，它是泛指所有的卫星导航系统，包括全球的、区域的和增强的，如美国的GPS、俄罗斯的Glonass、欧洲的Galileo、中国的北斗卫星导航系统，以及相关的增强系统，如美国的WAAS（广域增强系统）、欧洲的EGNOS（欧洲静地导航重叠系统）和日本的MSAS（多功能运输卫星增强系统）等，还涵盖在建和以后要建设的其他卫星导航系统。该技术原理是测距，有三颗卫星就可以交会两点，舍弃外部的空间点就可以得到自己测绘这个点。但是一般情况下，由于钟差，一般需要四颗卫星去做误差剔除。GNSS定位其实是单点定位，没有用到基站，它的精度一般是5到10米。为了能够得到更精准的定位精度，引入了一些更好的方式，如载波定位技术。
载波定位技术：
（1）载波定位技术具体分为两类，RTK技术和PPP技术。它们都是为了确定载波的整周数，然后消除噪声，达到更精准的定位。
（2）RTK工作原理：卫星把观测数据给基站，也给车端的移动站。基站根据多个卫星的钟差计算出误差项，然后把误差项传递给车端，车端用这个误差项消除观测误差，得到精准的位置。它的问题是硬件成本高，需要建基站，需要4G通信的链路，需要基站传数据。
（3）PPP工作原理：可以简单理解为一个很强的单点，它有很多种基础基站的建设。这些基站通过卫星数据，把这些误差都在基站做分离处理，再传递给卫星。卫星已经做了误差的消除，再去对车端进行定位，得到一个非常高精度的定位信息。
GNSS在无人车中的作用，大概可以分为三个部分，第一个部分是GPS授时。 第二是制作高精地图。第三是RTK在线定位，作为定位的一个模块使用。
GNSS的问题是可靠性，很容易受到电磁环境干扰。第二点就是对于比较差的环境，比如城市的高楼、峡谷、林荫路，对GNSS影响都很大。
激光点云定位
激光点云定位系统包括两个模块：图像对齐和SSD HF。
图像对齐模块主要是用于航向角的优化。点云定位里面会输出四个维度的信息，XYZ和Yaw（航向角）。
定位过程首先做航向角的优化，然后SSD-HF做XY优化，Z则由定位地图提供。定位地图是一种数据的的存储方式。激光点云定位的输入还包括预测位姿和实时点云数据。输出信息将会给融合算法，进行更加精确的定位。
红色为匹配值高，蓝色为匹配值低，绿色为过渡。
视觉定位
视觉定位的输出也是XYZ和Yaw，即位置和朝向。视觉定位通过摄像头识别图像中具有语义信息的稳定特征并与地图做匹配，得到位置和朝向信息。
视觉定位的流程主要包含三个部分，一是3D特征地图的离线的生成，第二是图像特征的检测，最后是数据的整合输出。
摄像头进行图像特征的检测，主要是进行车道线和杆状物的检测。通过GPS给出的初始位置，基于初始位置对3D地图和摄像头检查到的信息进行特征匹配。用IMU和轮速计去做姿势的预测，给出一个不错的姿势。最后的结果输出给融合模块，融合可以将GPS、视觉定位、IMU数据整合，优化定位结果并提供高频输出。
特征匹配定位：
惯性导航定位
首先需要初始对准，如图所示：
然后进行惯导解算：
组合导航系统
系统框图如下：