La incorporación de sistemas de posicionamiento de vehículos de alta precisión ha sido demandada por la industria de vehículos eléctricos autónomos (AEV). Por esta razón, la investigación sobre odometría visual (VO) e Inteligencia Artificial (IA) para reducir automáticamente los errores de posicionamiento se ha vuelto esencial en este campo. En este trabajo, se presenta un nuevo método para reducir el error en la ubicación absoluta de AEV utilizando lógica difusa (FL). A continuación, se realiza la fusión de datos cooperativa de señales de GPS, odómetro y cámara estéreo para mejorar la estimación de la localización de AEV. Aunque el desafío más importante de este trabajo se centra en la reducción del error de odometría en el vehículo, se resuelve la desafío de sincronía y la fusión de información de fuentes de naturaleza diferente. Esta investigación está integrada por tres fases: adquisición de datos, fusión de datos y evaluación estadística. La primera es la adquisición de datos mediante el uso de un odómetro, un GPS y una cámara ZED en las trayectorias de AVE. La segunda es el análisis de datos y el diseño de fusión difusa utilizando la caja de herramientas de lógica difusa de MatLab 2019. La última es la evaluación estadística del error de posicionamiento de los diferentes sensores. Según los resultados obtenidos, el modelo propuesto con el menor error es aquel que utiliza todos los sensores como entrada (cámara estéreo, odómetro y GPS). Se puede destacar que el mejor modelo propuesto logra reducir el error absoluto medio de posicionamiento (MAE) hasta un 25% con respecto al estado del arte.