全局定位与局部定位在自动驾驶中的协同作用
自动驾驶车辆不仅需要识别其所处的城市街道，还需精确掌握其在车道中的具体位置、朝向角度，以及与周边车辆、道路设施的距离信息。这些关键数据构成了自动驾驶系统进行路径规划与控制决策的基础，使车辆能够顺利完成变道、转弯、避让行人等操作。
在自动驾驶领域，根据参考坐标系的不同，定位系统被划分为全局定位与局部定位两个层面。这两种定位机制相互配合，分工明确，共同支撑车辆的高精度感知与控制。
全局定位：确定车辆在地球上的位置
全局定位的核心在于为车辆提供一个稳定且不随时间漂移的绝对坐标，该坐标以地球表面的标准地理系统为基准。通常，这一功能依赖于全球导航卫星系统（GNSS），例如美国的GPS、中国的北斗、欧洲的伽利略等。
GNSS通过卫星信号为车辆提供包含经度、纬度和海拔的三维坐标，从而精确定位车辆在全球范围内的位置。例如，一辆自动驾驶车辆在北京市朝阳区的一个十字路口，其定位精度可达厘米级，这得益于高精度GNSS与差分技术（如RTK）的结合。
全局定位的最大优势在于其不依赖于车辆的历史行驶轨迹或内部预测，而是直接从外部获取位置信息。这意味着即使车辆经过复杂的路线，只要卫星信号稳定，它仍能准确获知当前位置。
全局定位为导航系统提供了必要的绝对坐标参考，尤其是在接收到行程请求时，车辆需明确起点与终点在地图上的精确位置。路径规划模块据此生成行驶路线，而后续的控制系统则按照该路径执行操作。这种定位方式具备全球一致性，且无需累积计算。
然而，GNSS信号在隧道、城市高楼密集区域或植被覆盖严重的路段易受干扰，导致定位精度下降甚至完全失效。即便在开阔环境中，GNSS的误差也可能达到数米，这对于自动驾驶的安全性而言仍显不足。因此，仅依赖全局定位是不够的，还需结合其他技术加以补充。
局部定位：提供局部环境下的高精度位置
当车辆进入具体场景后，全局定位提供的坐标可能无法满足对位置精度的更高要求。此时，局部定位的作用就凸显出来。
局部定位依赖于车载传感器（如激光雷达、视觉相机、惯性测量单元IMU等）对周边环境的实时感知，并将这些信息与已有的高精度地图或局部建模结果进行匹配，从而推算出车辆在当前环境中的精确位置。
这类定位方式强调短距离高精度与连续性。例如，在车道内持续行驶过程中，车辆通过激光雷达获取点云数据，与已有高精地图进行配准，以计算当前位置变化。类似地，视觉里程计（Visual Odometry）、激光里程计（Lidar Odometry）及SLAM（同步定位与建图）技术，都是实现局部定位的常用方法。
以车辆进入隧道为例，此时GNSS信号可能完全失效，而局部定位则成为主要的定位手段。激光雷达可扫描周边环境，将其点云数据与地图匹配，从而推算出车辆的位姿变化。同样地，视觉系统可通过识别道路标志、路缘等特征，并结合惯性导航系统进行实时估计，确保车辆在局部范围内的精确感知。
局部定位的另一大优势在于其连续性。只要传感器和计算系统正常运作，它就能持续输出车辆的位置信息，对短时间内的动态变化高度敏感，适用于高速行驶中对横向和纵向位置的精细控制。
然而，局部定位本质上是一种相对定位，依赖于先前的位置信息，如果长时间仅依赖此类方法，误差会逐渐累积，最终影响定位精度。因此，需要定期借助全局定位或已知的地标信息进行校正。
融合定位：全局与局部的协同
全局定位提供宏观尺度下的绝对位置，而局部定位则具备高精度与实时响应能力。自动驾驶系统要实现全面、精准的导航与控制，就必须将两者融合。
常见的融合方法包括状态估计与滤波技术，如扩展卡尔曼滤波（EKF）或图优化（Graph Optimization）等。这些算法能够将全局定位的绝对位置与局部定位的相对坐标相结合，从而兼顾精度与稳定性。
在实际应用中，融合方式可以多样化。例如，车辆在GNSS信号良好时，可利用全局定位提供初始位置，随后由局部定位进行细节优化。进入信号受限区域后，局部定位继续工作，待信号恢复时再与全局定位对齐，消除可能的漂移。
应用场景与现实挑战
在不同的驾驶场景中，全局与局部定位的权重有所不同。在高速公路或开阔区域，GNSS信号稳定，全局定位可作为主要参考，局部定位用于细化道路内部的位置。
而在城市中心、隧道、地下车库等环境，GNSS信号弱化甚至消失，此时局部定位成为主导手段。自动驾驶系统需要具备良好的场景识别能力，以自适应切换定位策略。
此外，构建并维护高精度地图、实时更新环境信息、应对动态障碍物对定位系统的干扰，都是实现自动驾驶落地的关键难题。
定位融合是自动驾驶的核心基础
全局定位与局部定位在自动驾驶系统中扮演着不可或缺的角色。前者提供宏观层面的绝对位置信息，后者则在短时间内实现高精度、连续性的定位估计。两者的融合是实现自动驾驶车辆稳定、安全运行的关键。
打造高鲁棒性的定位系统，是推动自动驾驶技术走向成熟、落地应用的核心环节之一。