1.一种基于多传感器融合的无人车定位方法，其特征在于，包括：
获取当前无人车位置对应的三维激光点云数据，其中所述的三维激光点云数据包括各个激光点的三维空间立体坐标以及所述的三维激光点云数据中各个激光点对应的反射强度值；
所述的三维激光点云数据由三维激光传感器或其他具有相同功能的传感器测量获得
对所述的三维激光点云数据进行滤波处理以减少数据噪声得到降噪的激光采样数据，其中所述的滤波处理包括但不限于体素滤波、中值滤波、统计滤波；
根据预先计算的先验位置计算所述的降噪的激光采样数据与点云地图的最佳匹配转换关系，从而得到无人车在点云地图中的位置，其中所述的无人车在点云地图中的位置包括三维空间中的三维立体坐标以及三维空间中的三个旋转方向的变化
所述的点云地图包括但不限于周围环境中的建筑物形状、地面路边沿的轮廓、道路两旁树木的结构以及花坛的外形，并且所述的点云地图中各个特征的位置坐标均统一在一个全球的坐标系下。
2.根据权利要求1所述的方法，其特征在于：所述的全球的坐标系由全球导航卫星系统(gnss)通过投影变换计算得到，其中所述的投影变换是指通用横轴墨卡托投影以及包括在此基础上经过任何偏移；
所述的预先计算的先验位置在系统初始化时由全球导航卫星系统经过所述的投影变换计算得到，所述的预先计算的先验位置在系统正常运行时由系统的状态估计器根据系统的运动状态进行预测得到。
3.根据权利要求2所述的方法，其特征在于：所述的系统状态估计器是一个以无迹卡尔曼滤波器为基础的贝叶斯滤波器，但不仅限于所述的无迹卡尔曼滤波器这种贝叶斯滤波器；
所述的系统的运动状态由惯性测量单元测量得到，测量的运动状态包括系统在三维空间中三个维度方向上的加速度以及绕三个轴的旋转角速度；
系统的位置用x表示，系统的速度用v表示，系统在三维空间中的旋转姿态用四元数q表示，系统所选用的惯性测量单元中加速度计与陀螺仪的零偏分别用bacc和bgyro表示，则所述系统的状态由{xvqbaccbgyro}表示；
所述的预测是指根据系统前一时刻的状态以及当前时刻的运动状态来计算系统当前时刻的状态，前后两时间之间的时间差用dt来表示，所述加速度计的测量结果用acc表示，所述陀螺仪的测量结果用gyro表示，可以递推地计算得到下一时刻系统的状态：
x(t)＝x(t-1)+v(t-1)*dt；
v(t)＝v(t-1)+(acc(t)-bacc(t-1))*dt；
q(t)＝q(t-1)*{1，0.5*(gyro-bgyro(t-1))*dt}；
bacc(t)＝bacc(t-1)；
bgyro(t)＝bgyro(t-1)。