无人车需要知道自己相对于环境的一个确切位置，这里的定位不能存在超过10cm的误差。

　　高精度手持GPS定位义可以为车辆提供精度为米级的绝对定位，差分GPS或RTK GPS可以为车辆提供精度为厘米级的绝对定位，然而并非所有的路段在所有时间都可以得到良好的GPS信号。因此，在自动驾驶领域，RTK GPS的输出一般都要与IMU，汽车自身的传感器(如轮速计、方向盘转角传感器等)进行融合。

　　IMU的全称是inertial measurement unit，即惯性测量单元，通常由陀螺仪、加速剂和算法处理单元组成，通过对加速度和旋转角度的测量得出自体的运动轨迹。我们把传统的IMU和与车身、GPS等信息融合的算法组合在一起的系统称为广义的、针对自动驾驶的IMU。

　　这个技术的出现弥补了 GPS 定位的不足，两者相辅相成，可以让自动驾驶汽车获得准确的定位信息。

　　目前使用广泛的无人车定位方法当属融合全球定位系统(Global Positioning System，GPS)和惯性导航系统(Inertial Navigation System)定位方法。

　　组合导航涉及到复杂的坐标系转换，需要先对惯导系统做初始校准。一般是借助参考导航系统(如GNSS)给惯导系统一个初始位置值(目的是建立地理坐标系和地球坐标系的初始坐标转换矩阵)和初始速度值;通过IMU本身的测量值或借助测量仪器(倾角仪或双天线高精度GPS定向系统)获得初始姿态角(IMU输出的是载体坐标系相对于当地水平导航坐标系的姿态角，也叫欧拉角)，对四元数和坐标转换矩阵进行初始化。

　　对于室内定位系统，需将自定义的局域直角坐标系(一般选择定位区域的某个角作为原点，边界线作为x轴，右手准则确定y轴，垂直地面向上作为z轴)作为导航坐标系，由于二者都是直角坐标系但坐标系的原点和方向不一样，需要进行原点位移和坐标轴旋转，因此也需要初始对准。

　　初始对准结束后进入惯导推算过程，读取IMU的角速度测量值更新四元数和姿态变换矩阵，进而更新速度和位置，还可以将速度和位置转换到其他目标坐标系上进行表达，例如GNSS的经纬高地球坐标系。