定位技術橫跨好幾個專業，包括測繪、導航、計算機視覺知識、以及點云處理的知識。業界所說的“多傳感器融合”，都是指對攝像頭、激光雷達、毫米波雷達、超聲波雷達等多種傳感器各自分別收集到的數據所做的「數據融合」。

其中，Apollo3.0多傳感器融合定位模塊的框架有：

定位模塊依賴的硬件以及數據，包括慣性測量單元 IMU、車端天線、基站、LiDAR、以及定位地圖；

GNSS定位以及激光點云定位模塊，GNSS定位（基站和車端天線輔助）輸出位置及速度信息，點云定位（LiDAR和定位地圖）輸出位置及航向角信息；

融合框架：慣性導航解算、Kalman濾波（卡爾曼濾波器是核心模塊）；融合定位輸出是一個6-dof的位置和姿態，以及協方差矩陣，其結果會反過來用于GNSS定位和點云定位的預測。

由于無人車的感知和決策能力并沒有達到像「人」一樣聰明的程度，而定位系統可以與高精地圖配合提供靜態場景感知，可將感知得到的動態物體正確放入靜態場景，而位置和姿態用于路徑規劃和車輛控制。因此定位系統對于無人駕駛至關重要。

In brief，一個無人汽車感知系統成功并不能保證整個系統成功，而感知系統有瑕疵足以讓使用它的軟件工程師持續陷入苦惱。

對大多數涉足自動駕駛的公司來說，搞定一套傳感器方案，這個看似簡單的工作，卻往往需要耗費一個小團隊至少6-8個月的寶貴研發時間，才能勉強做到“不拖后腿”，而這又僅僅是“重復發明輪子”的一個過程。

百度Apollo所開發的自動駕駛套件已可做到在硬件層面就將攝像頭、激光雷達集成到一起，然后再將采集到的數據統一輸送到計算平臺。

Apollo作為一個開放的平臺，目的是將開發者從繁瑣的重復性工作中解放出來，更加專注于算法迭代本身，加快自動駕駛技術的迭代速度，推進整個無人駕駛行業的進程。面對復雜多變、快速迭代的開發環境，只有開放才會帶來進步，Apollo社區正在被開源的力量喚醒。

從GitHub網站下載Apollo源代碼

按照教程設置Docker環境并搭建Apollo工程

從Apllo數據平臺下載多傳感器融合定位數據（僅限美國地區）

為了使定位模塊正確運行，需要對地圖路徑和傳感器外參進行配置。假設下載的定位數據的所在路徑為DATA_PATH。在進行以下步驟前，首先確定你在docker容器中。

2.1 配置傳感器外參：

將定位數據中的傳感器外參拷貝至指定文件夾下。

cpDATA_PATH/params/ant_imu_leverarm.yaml/apollo/modules/localization/msf/params/gnss_params/cpDATA_PATH/params/velodyne64_novatel_extrinsics_example.yaml/apollo/modules/localization/msf/params/velodyne_params/cpDATA_PATH/params/velodyne64_height.yaml/apollo/modules/localization/msf/params/velodyne_params/

各個外參的意義：

ant_imu_leverarm.yaml： 桿臂值參數，GNSS天線相對Imu的距離

velodyne64_novatel_extrinsics_example.yaml：Lidar相對Imu的外參

velodyne64_height.yaml： Lidar相對地面的高度

2.2 設置地圖路徑：

在/apollo/modules/localization/conf/localization.conf中添加關于地圖路徑的配置：

#Redefinethemap_diringlobal_flagfile.txt--map_dir=DATA_PATH

這將會覆蓋global_flagfile.txt中的默認值。

./scripts/localization.sh

定位程序將在后臺運行，可以通過以下命令進行查看。

ps-e|greplocalization

在/apollo/data/log目錄下，可以看到定位模塊輸出的相關文件。

localization.INFO : INFO級別的log信息

localization.WARNING : WARNING級別的log信息

localization.ERROR : ERROR級別的log信息

localization.out : 標準輸出重定向文件

localizaiton.flags : 啟動localization模塊使用的配置

cdDATA_PATH/bag rosbagplay*.bag

從播放數據到定位模塊開始輸出定位消息，大約需要30s左右。

5.1記錄定位結果

該腳本會在后臺運行錄包程序，并將存放路徑輸出到終端上。

./scripts/record_bag.sh

5.2可視化定位結果

./scripts/localization_online_visualizer.sh

該可視化工具首先根據定位地圖生成用于可視化的緩存文件，存放在/apollo/data/map_visual目錄下。

然后接收以下topic并進行可視化繪制。

/apollo/sensor/velodyne64/compensator/PointCloud2

/apollo/localization/msf_lidar

/apollo/localization/msf_gnss

/apollo/localization/pose

5.3可視化效果如下：

如果發現可視化工具運行時卡頓，可使用如下命令重新編譯可視化工具：

cd/apollo bazelbuild-copt//modules/localization/msf/local_tool/local_visualization/online_visual:online_local_visualizer

編譯選項-c opt優化程序性能，從而使可視化工具可以實時運行。

./scripts/localization.shstop

如果之前有運行步驟5的錄包腳本，還需執行

./scripts/record_bag.sh stop

假設步驟5中錄取的數據存放路徑為OUTPUT_PATH，桿臂值外參的路徑為ANT_IMU_PATH

7.1 運行腳本：

./scripts/msf_local_evaluation.shOUTPUT_PATHANT_IMU_PATH

該腳本會以RTK定位模式為基準，將多傳感器融合模式的定位結果進行對比。注意只有在GNSS信號良好，RTK定位模式運行良好的區域，這樣的對比才是有意義的。

7.2 獲得如下統計結果：

可以看到三組統計結果，第一組是組合導航(輸出頻率200hz)的統計結果，第二組是點云定位(輸出頻率5hz)的統計結果，第三組是GNSS定位(輸出頻率約1hz)的統計結果。

表格中各項的意義：

error： 平面誤差，單位為米

error lon： 車前進方向的誤差，單位為米

error lat： 車橫向方向的誤差，單位為米

error roll： 翻滾角誤差，單位為度

error pit： 俯仰角誤差，單位為度

error yaw： 偏航角誤差，單位為度

mean： 誤差的平均值

std： 誤差的標準差

max： 誤差的最大值

<30cm： 距離誤差少于30cm的幀所占的百分比

<1.0d： 角度誤差小于1.0d的幀所占的百分比

con_frame()： 滿足括號內條件的最大連續幀數