在自動駕駛技術問題中，定位技術（自身定位以及對周圍環境相對位置的認知）似乎是無人駕駛汽車最難掌握的技術，這與城市的動態性質有關。例如施工路面、封閉道路、新標志和缺失的道路標志等，都是這種動態性和不確定性的例子。人類面對以上隨時隨地可能發生改變的因素都會感到困惑，更不用說機器了。目前沒有方法可以完美地解決自動駕駛汽車的定位問題，但以下幾種是當前最為有效也最有希望解決問題的辦法。不同公司有不同的傾向性選擇，本文將根據具體的公司策略對三種定位方法進行介紹。

自從特斯拉和Waymo等公司出現以來，車企對自動駕駛技術的關注愈發增加。汽車PCB小編了解到，這種情況在2018年更甚，從而加速了無人駕駛汽車盡快落地的可能。例如，通用汽車公司在舊金山的員工已經用上了沒有方向盤或踏板的cruise；福特、大眾、豐田和奔馳也都在自動駕駛競爭之列；上個月，特斯拉在芯片發布會上宣布，到2020年他們將制造出完全自動駕駛汽車。

無人駕駛的實現前途光明，但道路曲折。目前自動駕駛仍然面臨很多難題，例如需要快速而連續地分析數據流、需要做對機器來說很繁瑣但對人類來說只是雞毛蒜皮的一些小事等。具體來說，物體檢測、距離、速度、定位和交通法規等都是在駕駛過程中做決策時需要考慮的因素。為了達到SAE標準中的L5級別，計算機駕駛系統需要能夠執行上述所有基本任務，找到針對不同問題的技術解決方案。

定位技術（自身定位以及對周圍環境相對位置的認知）似乎是無人駕駛汽車最難掌握的技術，這與城市的動態性質有關。例如施工路面、封閉道路、新標志和缺失的道路標志等，都是這種動態性和不確定性的例子。人類面對以上隨時隨地可能發生改變的因素都會感到困惑，更不用說機器了。目前沒有方法可以完美地解決自動駕駛汽車的定位問題，但以下幾種是當前最為有效也最有希望解決問題的辦法。不同公司有不同的傾向性選擇，本文將根據具體的公司策略對三種定位方法進行介紹。

以特斯拉為例的一類企業傾向于使用基于視覺的Visual SLAM（簡稱VSLAM）技術進行定位，他們將盡可能多的視覺傳感器置入汽車中，不依靠預先錄制的地圖，而是希望將圖像處理和機器學習結合起來，讓特斯拉車輛能夠對周圍環境做到實時了解。特斯拉車輛隨時隨地都在學習并與其他車輛分享知識。他們依靠周圍的實時環境數據而不是歷史數據，不存在依賴過時地圖而出錯的風險。

特斯拉的目標非常明確，即建造可以在任何條件下駕駛的車輛而不受周圍環境的影響。前段時間特斯拉的芯片發布會上，因馬斯克diss激光雷達還引起了一場軒然大波。馬斯克說，使用激光雷達的定位方法擺脫了“丑陋，昂貴且不必要”的繪圖設備，為此付出的代價是在處理不確定性時更加依賴相機和軟件。特斯拉人工智能高級主管 Andrej Karpathy 強調物理數據的作用是無法代替的，相對于利用激光雷達建立虛擬高精地圖來說，特斯拉更相信現實的物理數據，看圖比看雷達更真實。

目前，使用VSLAM實現定位的自動駕駛車輛主要配備三類傳感器：單目、雙目（或多目）、RGBD。此外還有魚眼、全景等特殊相機，由于在研究和產品中都屬于少數在此不做介紹。就實現難度而言，這三類方法難易程度從難到易依次為：單目視覺、雙目視覺、RGBD。在定位過程中，VSLAM自動駕駛車輛從一個未知環境中的未知地點出發，在運動過程中通過以上這些視覺傳感器觀測定位自身位置、姿態、運動軌跡，再根據自身位置進行增量式的地圖構建，從而達到同時定位和地圖構建的目的。定位和建圖是兩個相輔相成的過程，地圖可以提供更好的定位，而定位也可以進一步擴建地圖。

通用汽車和奔馳都看好通過激光雷達或GPS預先制作的高精地圖來進行定位的方法。通用汽車于2017年收購了自己的激光雷達供應商。福特與百度合作，向一家激光雷達供應商Velodyne 投資1．5億美元，奔馳也與Velodyne簽訂激光雷達供應合約。

激光雷達是非常傳統的定位傳感器。它可以提供機器人本身與周圍環境障礙物間的距離信息。電路板廠獲悉，常見的激光雷達有SICK、Velodyne、Rplidar等。使用激光雷達制作高精地圖，實際上就是利用激光點云融合技術進行激光雷達掃描，返回場景分布點的技術。激光點云融合的技術又分為兩種，一是基于點云融合的算法，其應用場景較廣，不僅限于GPS場景；第二種是基于比較精確的差分GPS和精確慣導，其對場景依賴較強，必須在比較開闊的場景使用，對于高架橋等GPS信號弱的場景效果不佳。基于圖像和GPS技術解決方案精度比較差，主要用來制作L2、L3的ADAS地圖，而激光點云則可以滿足L4、L5的需求。

這類車輛依賴于預先記錄好的3D高分辨率地圖，而這些地圖是使用配備激光雷達的車輛預先捕獲的。然后，自動駕駛車輛可以使用其自身配備的激光雷達設備獲取周邊環境的信息，與預先制作的高精地圖進行比對，判斷環境是否已經改變，然后在地圖涵蓋區域內實現自動駕駛。這顯示了相對來說更加廣泛的自動駕駛策略。為了保持地圖的準確性和車輛的可用性，需要市政當局和汽車制造商之間更廣泛的合作，以創建和維護最新的高精度地圖供車輛使用。