多源定位（Multi-source Localization）是指自动驾驶车辆通过融合多种传感器的定位数据，结合卫星导航、惯性测量、环境感知等多维度信息，实现高精度、高可靠性的位置感知技术。其核心在于利用不同传感器的互补特性——例如GNSS提供绝对位置但易受信号遮挡影响，IMU在短时内保持精度但存在累积误差，激光雷达与视觉传感器可实现环境匹配定位但依赖特征丰富度——通过卡尔曼滤波、粒子滤波等算法实现数据融合，最终输出优于单一传感器的定位结果。
在自动驾驶产品开发中，多源定位技术能有效应对城市峡谷、隧道等GNSS拒止场景，确保定位连续性。特斯拉的HD-Maps匹配、Waymo的LiDAR SLAM与GPS融合方案均为典型应用。值得注意的是，多源定位系统的性能边界往往取决于传感器标定精度与融合算法的鲁棒性，这对AI产品经理定义系统冗余策略具有重要指导意义。