1.一种基于多传感器融合的无人车自主定位方法，其特征在于：所述方法以GPS和IMU传感器实现无人车在点云地图中的粗定位，根据激光点云配准的匹配度优化得到精确的无人车初始定位，使用IMU传感器和激光雷达相融合完成无人车的实时定位；

所述方法包括以下步骤：

步骤1：基于GPS，以GPS传感器数据为无人车启动时的全局定位；

步骤2：基于IMU传感器，获取无人车的偏航角；

步骤3：对全局定位与点云地图进行标定，获得旋转矩阵R和平移向量t；

步骤4：获取全局定位至点云地图的精定位；设置GPS平移误差，设置IMU偏航角误差，以NDT配准的匹配度作为优化对象，使用CRS算法求出点云配准的最优位姿，更新R和t；

步骤5：在激光雷达数据帧间使用IMU积分定位，作为下一帧点云配准的初值，点云配准成功后更新无人车的姿态和速度，给IMU积分定位使用；包括以下步骤：步骤5.1：积分得到位姿；

步骤5.2：使用点云构建多维变量的正态分布，使用三维的体素网络将点云进行划分，计算概率密度；输入初始搜索位姿，开始NDT匹配搜索，判断两个点云的拟合程度，迭代找到三维变换最优解，为当前激光雷达点云在点云地图中的位姿；

步骤5.3：更新无人驾驶车辆的位姿和速度；

步骤6：动态加载点云地图，实现无人车自主定位。

2.根据权利要求1所述的一种基于多传感器融合的无人车自主定位方法，其特征在于：所述步骤6中，预先将点云地图的文件按照正方形范围划分为若干点云，同时将分割的点云进行降采样去噪，多线程保存所有分割的点云，并且把其列表与范围记录在文件中。

3.根据权利要求2所述的一种基于多传感器融合的无人车自主定位方法，其特征在于：读取所有点云的文件列表，根据实时的位姿筛选出当前无人车的周围平面边长150m的点云，判断需要重新加载的点云文件，去除不需要加载的点云后，多线程加载剩余的点云文件，拼接为动态加载的点云地图。