Tight integration of digital map and in-vehicle positioning unit for car navigation in urban areas

Now GPS has been widely used for land, sea and air navigation.However, due to signal blockage and severe multipath environments in urban areas, such as in Hong Kong, GPS alone can not satisfy most land vehicle navigation requirements. Dead Reckoning (DR) systems have been widely used to bridge the gaps of GPS and to smooth GPS position errors. However,the DR drift errors increase with time rapidly and frequent calibration is required. Under the normal situation, GPS is sufficient to provide the calibration to the DR unit. However, GPS may not be available in urban areas for more than 20 min, and the DR position errors can reach hundreds of meters during the period. As land vehicles have to be on roads, digital map can be used to constrain the locations of vehicles, known as map-matching.One of the main problems for map-matching techniques is mis-matching, that may be caused by the positioning sensor errors and the complexity of city road network. In this paper, a newly developed model to tightly integrate digital map and in-vehicle positioning unit for car navigation is introduced.With this method, it improves the position accuracy by constraining the vehicle location on the roads. Moreover it provides the close-loop controls for the DR drift errors by feeding back the coordinates of the feature points of the road network and road bearings to the DR unit and therefore the navigation system can be used for longer period when GPS is not available.Extensive tests have been carried out in Hong Kong. It demonstrates that this close-loop approach is much better on the reliability of map-matching, as the positioning sensor errors are constantly calibrated by the digital map.     

联合卡尔曼滤波在车辆组合导航系统中的应用

GPS/DR组合导航系统是一种低成本、高可靠性的车载导航设备.针对陆地车辆GPS/DR组合导航系统的特点,设计了用于该系统的联合卡尔曼滤波器,给出了滤波算法,并进行了实地跑车实验.理论分析和跑车实验的结果表明,联合滤波方法不仅有效地抑制了DR系统的误差发散,而且能够充分利用DR的数据信息对GPS定位的随机误差进行补偿,从而有效地提高GPS/DR组合系统的定位精度及容错能力.     

基于证据理论的车辆组合导航系统的信息融合

由于车载GPS(G lobal Position ing System)接收机的定位精度通常受卫星状况和道路环境的影响,同时DR(Dead Reckon ing)系统的距离和航向传感器随着行驶距离的增加,会产生误差积累,这些误差使传感器的定位轨迹偏离车辆所在的实际位置。为此,在信息融合理论的基础上,利用高精度的电子地图对导航系统提供的车辆位置进行修正,以车辆位置到匹配道路的距离、车辆行驶方向与道路方向的夹角作为评判可信度的证据,提出了基于D-S(Dempster-Shafer)证据推理的信息融合方法。实际跑车实验表明,该地图匹配融合方法能够使车辆导航系统的定位精度达到5 m左右。对于改善低成本的GPS/DR车辆导航系统的性能是个行之有效的方案。     

改进的车载DR系统自适应扩展卡尔曼滤波模型及仿真研究

提出了车载ＤＲ系统改进的自适应扩展卡尔曼滤波模型及其滤波算法。由于考虑了速率陀螺漂移误差中的马尔柯夫过程成分,和采用描述机动载体运动的“当前”统计模型及自适应算法,提高了ＤＲ系统模型的准确性。计算机仿真结果表明,应用该模型和算法与改进前相比,ＤＲ系统的定位精度得到明显提高。     

基于路网拓扑特性及先验知识的地图匹配算法

基于最大似然估计原理,提出了地图匹配的统一数学模型.将二维地图匹配算法的估计拓展到多维估计,利用道路网络的拓扑特性及先验知识修正前述算法.通过先验知识数字化,用代价函数将基于拓扑特性和先验知识的地图匹配算法纳入统一数学模型中.通过在香港大量的车辆定位实验,及参数修正和模型改进,对前述算法进行验证.实践表明,通过综合利用全球定位系统、航位推算以及数字地图道路网络等多种信息,该地图匹配算法在大规模复杂网络以及高楼环绕的场合可以达到很好的定位效果.     

In-vehicle GPS/DR navigation system development and test results in Singapore

This paper introduces the in-car navigation system prototype development and test results under the context of Singapore. In the system, integrated GPS/DR is used for continuous vehicle positioning. A digital road network map database is built for the whole Singapore. The database is designed to support map matching, route determination, and route guidance functions. The prototype system demonstrates GPS positioning of the vehicle in real-time, tracking the vehicle onto a digital map with fix updates every one or two seconds.With the map matched vehicle location on the map, voice and/or text guidance is provide to the driver. The vehicle position can also be transferred to control centre through communication data link for the purpose of fleet management.     

基于BP神经网络的车辆定位融合模型

针对常规的GPS定位方法在大城市中容易丢失信号的问题，提出采用GPS与基于移动通信网络的定位技术(MPS)相结合的思路．利用反向传播(BP)神经网络构造GPS与MPS定位信息的融合模型，并采用动量法和学习率自适应调整的策略来解决BP算法收敛速度慢和局部极小点的问题．用126条调查数据对神经网络进行训练的结果表明，该模型结果在定位的方向和趋势上基本与GPS定位结果一致，且不依赖于原有模型，因而可有效运用于在较低成本下保持车辆的定位连续性和定位精度．     

Vehicle Positioning Method Based on RFID in Vehicular Ad-Hoc Networks

With the rapid development of vehicular ad hoc network( VANET) technology,VANET applications such as safe driving and emergency rescue demand high position accuracy,but traditional GPS is difficult to meet new accuracy requirements. To overcome this limitation,a new vehicle positioning method based on radio frequency identification( RFID) is proposed. First RFID base stations are divided into three categories using fuzzy technology,and then Chan algorithm is used to calculate three vehicles' positions,which are weighed to acquire vehicles' accurate position. This method can effectively overcome the problem that vehicle positioning accuracy is not high resulting from the factors such as ambient noise and base distribution when Chan algorithm is used. Experimental results show that the performance of the proposed method is superior to Chan algorithm and 2-step algorithm based on averaging method,which can satisfy the requirements of vehicle positioning in VANETs.     

UKF在车辆组合定位技术中的应用

用一种新型的无迹卡尔曼滤波算法(UKF)代替传统的扩展卡尔曼滤波算法(EKF),对GPS/DR组合定位系统进行信息融合滤波。通过计算机仿真和分析后,结果表明无迹卡尔曼滤波算法UKF的滤波定位精度明显高于扩展卡尔曼滤波器EKF,而且UKF对由于系统非线性所引起的滤波误差有很好的抑制作用,因此UKF算法对于要求高精度、低成本和高可靠性的GPS/DR组合定位系统来说是一种值得推广的滤波算法,具有一定的应用价值。     

基于模糊神经网络的地图匹配算法

提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信息和GPS/DR定位信息,提取两个重要参数作为输入变量,即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置.     

班车实时定位系统的设计

为了满足新型班车连续高精度的定位需求, 采用GPS/LBS组合定位方法,提出了一种实时班车定位方案。主要设计了一种由STM32F103单片机、SIM7600CE模块集成的终端,支持GPS/LBS组合定位,并通过企业微信平台,查看车辆的实时位置。前期对于LBS异常数据采用基于几何距离的算法去除噪点,基于速度约束的漂移点判定异常,采用道格拉斯-普克算法进行轨迹压缩,最终实时位置、行车路线显示在客户端。本文重点使用了中值滤波对路线的轨迹进行优化,同时使用路点与道路匹配算法使得坐标吸附到主干道上。运行结果表明,系统位置指示精度高,查询方便。     

基于“3S”技术的阳谷县土地更新调查

阳谷县土地更新调查数据库是利用"3S"技术建立起来的业务运行系统,该系统所具备的功能可以满足县级土地资源的动态监测和及时更新.以阳谷县为例,探讨了利用遥感、地理信息系统和全球定位系统为代表的"3S"技术进行县级土地资源动态监测和更新的原理和方法.     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.     

GPS视觉导航系统中多级实时匹配算法研究

为了解决GPS导航中存在的精度低、不稳定和移动通信定位代价高的问题,引入了图像的外极限约束和多级实时匹配算法。该算法根据特征点对图像进行分级处理,首先匹配特征比较明显的点,再利用已匹配点的数据通过外极限约束确定后面几级像素点的视差范围,使得算法能够覆盖绝大部分点的真实视差,对于少部分落在搜索范围之外点的匹配,主要靠中值滤波去除。实验表明,多级实时匹配算法定位精确性和匹配速度优于传统的区域匹配算法。     

基于DSP的GPS/DR组合定位系统的设计

对于城市车辆GPS导航来说,其很大的一个缺点是跟踪卫星的信号常常由于建筑物、隧道及树木等的遮挡而使GPS的定位精度大大降低,甚至无法进行正常的定位。为此,提出了基于DSP的GPS/DR组合定位系统,详细介绍了系统的硬件设计方法、组成和软件设计思想。最后进行了采用联合卡尔曼滤波器的GPS和DR系统的组合定位的仿真实验。实验证明,采用联合卡尔曼滤波算法的GPS/DR组合定位系统的转度明显高于GPS单独定位方式。     

利用GPS和惯性传感器的融合和集成实现车辆定位

首先介绍了常用的车辆定位技术 :全球卫星定位系统 (GPS)和航位推算法 (DR) ,并分析各自的优缺点 ,然后提出用卡尔曼滤波 (KalmanFilter)技术来实现GPS和惯性传感器的融合和集成的组合定位 .最后给出了现场测试的结果 ,证明方法的有效性 .     

联合卡尔曼滤波在GPS/DR车辆导航系统中的应用

针对ＧＰＳ／ＤＲ车辆组合导航系统的特点,提出了一种卡尔曼滤波算法,并进行了实时跑车试验,结果表明,此算法可有效地提高ＧＰＳ／ＤＲ组合系统的定位性能,增加系统的可靠性和容错能力,并且有良好的实时处理性能。     

基于GPS定位的导航地图的转换与纠正方法

介绍了利用GPS定位技术对低精度的地图进行转换和变形纠正的算法 ,结合实例分析了GPS数据采集、坐标转换和利用拟合算法进行地图纠正的步骤 ,对一次多项式、二次多项式和三次多项式的拟合结果进行了比较 ,结果表明采用二次或三次多项式拟合精度最好 ,获得了与GPS定位结果相匹配的精度 ,坐标分量X和Y的拟合精度分别为 8m和 17m ,纠正后的地图适合于一般车载导航和监控 .     

用无人机 GPS系统对雷达进行精度评定的方法

提出了一种新的雷达精度评定方法,即利用搭载全球定位系统(GPS)的小型无人机做为雷达的跟踪目标,对雷达测量精度进行评定.在研究评定方法的基础上,分析了数据处理方法和雷达评定工作对GPS系统定位精度的要求.为了提高无人机的定位精度,系统采用了差分GPS定位技术,即根据地面基准站测量GPS的定位误差来修正无人机的测量结果,并采用Kalman滤波方法来抑制观测噪声,进一步提高无人机的定位精度.仿真测试表明,这种方法可以满足雷达评定的精度要求,同时具有简单、经济、可靠的优点.     

基于多S集成技术的土地利用动态监测初探

多S是指DBS、GIS、CADS、RS、GPS和ES等,基于多S的土地利用动态监测目前正在探讨和试验之中.土地利用动态监测首先要选择一个合适的GIS软件作平台,由RS提供海量动态的土地利用信息,以GPS差分技术取得细部的定位数据,DBS借助SDW和网络技术实现全关系型数据库,最终分析结果通过ES作出合理的判断.