本发明公开了一种基于惯性测量单元的融合定位方法，该方法包括：将采集到的历史IMU数据及历史轮速脉冲馈入卡尔曼滤波模型获得历史定位信息；基于历史定位信息和采集到的历史定位基准信息，利用卷积神经网络训练卡尔曼滤波模型的第一影响参数，以使得历史定位信息和历史定位基准信息的残差最小；根据第一影响参数，对卡尔曼滤波模型中的第二影响参数进行参数调节；根据车辆的当前IMU数据和当前轮速脉冲，利用卡尔曼滤波模型进行定位预测；本发明利用卷积神经网络训练卡尔曼滤波模型的相关参数，结合车辆的当前IMU数据和当前轮速脉冲进行融合定位，对于GNSS信号或GPS信号较差的区域，可以实现车辆的高精度定位。