google推广公司

目前各个公司的用的技术方案大同小异，采用的传感器都基本是GNSS、Lidar、Camera、Radar、IMU等，但各个公司又各有偏重，有的公司以激光雷达为主，Camera为辅，有的公司则倾向于以Camera为主，即使是同样以激光雷达为主的技术方案，也存在64线激光雷达、16线激光雷达的差异。

激光雷达技术的定位方案

事先通过采集车采取道路的3D点云地图数据，在无人驾驶车辆行驶过程中实时利用激光雷达采集点云数据，并与事先采集的点云数据进行比较，从而获取当前的车辆位置。

它的优势在于探测精度高，探测距离远，对GPS的初值依赖度低，在没有GPS信号的场景下也能实现精准的车辆定位。缺点在与成本高，一个64线激光雷达价格在六七十万的量级，对于车企或者普通消费者很难承受。并且基于点云的地图数据时效性差，维护成本高。

基于Camera的定位方案

Camera提供了丰富的颜色和图像信息，处理这些信息正是深度学习技术的强项。通过深度学习模型识别车道线、道路上文字、停止线等固定的标识，并于高精地图数据进行对比，从而获取车辆的当前位置。

它的优势在于成本低，一个摄像头几百块钱，缺点在与精度低，误差大，并且在强光、逆光、黑夜场景下的效果很惨，对于北京的雾霾天气也很困难。

RTK定位方案

通过双天线的接收机，利用差分GPS卫星定位技术，实现对车辆的厘米级定位。它的优点是成本低，使用方便，定位精度高；缺点是容易收到电磁干扰、环境遮挡影响。

高精度组合惯导定位技术

利用陀螺仪和速度仪通过积分累加去推算车辆下一个时刻所处位置、航向。它的优势是不依赖外界环境，靠自身就可以实现定位。但存在的问题是，如果长时间推算，存在一个累计误差，随着时间越来越长，如果没有办法给它提供校正的话，这个误差就会越来越大。其他辅助定位手段

车辆上安装的毫米波雷达、超声波雷达都可以获取周围物体的状态信息，从而实现辅助定位的功能

任何一种定位技术都有自己的优势，也有自身无法解决的问题，所以现在的无人驾驶系统一般都采用了上述多种定位方法，将多种定位结果进行融合，从而达到全场景实时厘米级定位的效果。

关于各个定位方法的技术细节，稍后再一一展开详细讨论。