基于曲率分析地图匹配的车载组合导航研究

为了提高车载导航的自主性和精度,针对捷联惯导的特点,设计了一个基于曲率分析的地图匹配算法。然后应用该地图匹配算法对基于捷联惯导/地图匹配/里程仪的车载组合导航进行了研究。推导了捷联惯导系统的误差方程和里程仪的误差方程。并在此基础上建立了捷联惯导/地图匹配/里程仪组合系统的卡尔曼滤波方程。通过仿真分析,表明应用该地图匹配算法的组合导航系统可以有效地减小误差,实现车载自主导航。     

基于Android移动终端的车辆导航地图匹配算法研究

基于Android移动终端设计了一种基于路网拓扑结构的地图匹配算法,将地图匹配分成定位数据预处理、确定车辆所在路段、确定车辆匹配位置和出错检测等4个相对独立的过程．算法在过滤掉异常定位数据后采用航位推算进行补偿,使用考虑距离和方向两种要素的加权评估模型确定匹配路段,在确定匹配位置时对常用的垂直投影进行改进,得到一种优化方法．结果表明,该算法具有较高的路段识别正确率,优化方法相对于垂直投影法在位置精度上有所提高,地图匹配效果好．     

一种改进的嵌入式导航地图匹配算法

为提高在嵌入式环境中对地图数据的检索速度,提出了一种动态分块算法.该算法根据导航电子地图中的地理特征数量对地图进行动态分块,通过增加地图分块后数据的存储空间,减少检索数据的时间,从而提高算法实时性.在地图分块后,实现一种融合地图拓扑和D-S证据推理方法的地图匹配算法,以提高系统的准确性和稳定性.仿真结果表明,地图动态分块算法能够提高系统实时性,地图匹配算法能够快速、准确地匹配正确道路.     

车辆导航中地图匹配算法的研究

地图匹配是借助GIS电子地图数据库中的高精度道路信息作为分类模板来进行模式识别,根据识别结果计算和显示车辆行驶的正确位置并校正GPS接收数据的定位误差。本文通过比较分析现有的地图匹配算法,从效率、精度、程序设计三方面进行考虑,提出一种新型快速的地图匹配算法。在不降低计算准确性的基础上大大减少了运算复杂度,提高了时间效率,更能够适应实时车辆导航系统的需求。     

基于模糊逻辑的综合地图匹配算法

车辆导航系统大都采用航位推算和GPS来估计车辆的位置,由于受GPS噪声的影响,实际测量的位置往往带有偏差。应用数字化道路图的地图匹配算法可以解决这一问题。提出基于模糊逻辑理论的综合地图匹配算法,充分考虑了道路几何特性以及GPS测量数据的偏差特性,实验证明该算法是有效和可用的。     

基于曲率分析的地图匹配算法研究

导航定位系统是车载系统的主要组成部分,其中地图匹配又是提高定位精度的重要技术。从数字地图本身的属性特征出发,研究了一种基于曲率分析的地图匹配算法。通过车载实验数据对算法加以验证,其结果表明改进后的算法能够获得较高的定位精度和更可靠的匹配性能。     

一种基于理想隐性马尔科夫模型的地图匹配算法

描述了一种基于理想马尔科夫模型(Hidden Markov Model,HMM)的地图匹配算法IHMM,然后提出了一种新的状态转移概率计算方式,使得这一隐形马尔科夫模型严格符合Viterbi算法的要求,最后在真实数据集上对该算法进行测试.结果显示:尽管该算法的实现较为简单,但在GPS轨迹点含有噪声及道路网络稀疏的条件下依然拥有较好的性能.     

基于D-S证据推理的车辆导航系统地图匹配算法

研究地图匹配算法中的匹配道路的选择问题,提出基于D-S证据推理理论的地图匹配算法.根据D-S证据推理的基本原理,结合车辆行驶情况,给出当前时刻车辆位置信息和方向信息的基本概率分布函数的设计方法.按照D-S合成公式,对位置和方向信息进行融合,并根据融合结果选择匹配道路.在设计方法中,引入位置信息和方向信息的可靠性参数.仿真结果表明,该方法是行之有效的,通过适当地调整可靠性参数的值,就能识别出车辆所在的道路.     

车辆导航定位中地图匹配的MP模型

提出了地图匹配的数学框架，建立了地图匹配的极大验后估计模型，即ＭＰ模型，该模型能够最优的将原始位置观测值转化到路网上去。     

一种适于车辆导航系统的快速地图匹配算法

在分析影响地图匹配算法实时性、鲁棒性及匹配精度因素的基础上,依据车辆运动的连续性,引入道路网络的分块思想,并利用车辆行驶的位置、方向信息及实际道路网络的拓扑特性,提出一种时间复杂度为O(c)的快速地图匹配算法.对实际跑车数据的仿真结果表明,该算法的匹配正确率不低于95%,单点匹配时间不超过0.01 ms.     

车载GPS/DR/电子地图组合定位导航研究

针对单一导航定位手段的精度和使用范围在车辆导航定位技术中的局限性,提出了采用GPS、DR与电子地图组合导航的方案.经过对GPS/DR/电子地图组合导航定位方法地深入研究,表明GPS/DR电子地图组合导航是一种较为理想的车辆导航方式,它克服了GPS信号受阻时定位间断或失效的缺点,又避免了航位推算定位误差随时间的积累,提高了导航定位的精度并扩展了使用范围.     

基于多尺度增量符号相关的图像匹配算法

将影像多尺度分解思想和增量符号相关方法相结合,提出了一种图像匹配算法.首先使用非线性的关键点滤波算子将参考图和待匹配图分解为不同尺度的子图;然后采用增量符号相关方法对影像进行二值化编码并进行相似性度量;最后通过由粗至精的逐层匹配得到最终的匹配结果.实验结果表明;在匹配区域存在一定灰度反差的条件下,该算法有效地解决了噪声干扰、光照差异大和阴影遮挡等条件影响下的匹配问题,同时大大的缩短搜索时间,提高了匹配定位速度.     

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.     

陆地车辆导航系统滤波技术的研究

给出一种基于航位推算的陆地车辆导航系统的硬件结构,设计了一种实用卡尔曼滤波器.通过实际车载试验,说明滤波器有效地减小了导航系统的随机干扰,提高了系统的导航定位精度.     

机器人单目导航系统中改进的灰度相关匹配法的研究

给出了移动机器人单目导航系统的功能模块组成,介绍了匹配的基本概念及其在单目视觉导航系统地图创建中的应用.在讨论了几种典型的图像匹配技术的基础上,重点对基于像素灰度相关匹配进行了研究,提出了一种改进的灰度相关匹配法,经实验证明能有效解决原有归一化积相关灰度匹配速率低和序贯相似性检测法阈值难确定的不足.     

基于非下采样Contourlet变换的无人机景象匹配算法

卫星导航作为无人机重要的导航方式常因受到干扰而不可用,针对此问题,提出一种同样可辅助惯性设备进行导航的景象匹配算法。首先采用非下采样Contourlet变换(NSCT)对基准图和实测图进行多层级分解,以获得不同分辨和方向的稀疏表示图像,然后以基于稳健统计量的Hausdorff距离(LTS-HD)作为相似性测度进行由粗到精的分级匹配。仿真结果表明,基于NSCT方法的图像匹配概率相对于小波分解提高了14%;景象匹配辅助惯导后,可有效抑制位置误差发散,误差被控制在30 m以内,可满足无人机中等精度导航要求。     

融合Spearman相关性系数与多尺度框架的立体匹配算法

针对现有立体匹配算法对噪声敏感、匹配率低的问题,提出了一种基于Spearman相关性系数与多尺度框架融合的立体匹配算法。在代价计算阶段,创新性地在固定窗口内通过简化Spearman相关性系数得到两种代价计算模型。在代价聚合阶段,利用多尺度框架在图像金字塔上进行代价聚合,从而使得匹配算法在低纹理区域得到较高的匹配率。实验结果表明,提出的立体匹配算法有效降低了误匹配率:对Middletury2.0测试集中31对标准图像对的平均误匹配率仅为7.98%,Middletury3.0中的15对标准图像对的平均误匹配率为13.45%。实验结果表明,提出的融合Spearman相关性系数与多尺度框架的立体匹配能有效降低图像的误匹配率,并对噪声等具有较好的稳健性。     

Packet matching algorithm based on improving differential evolution

The performance of network equipments, such as firewall, router, etc., is decided by the efficiency of patch matching. It is difficult to adapt the speed of packet matching with packets linear forwarding by traditional algorithms. The purpose of this paper is to develop a novel algorithm of packet matching based on improving differential evolutionary algorithm, which also combines with classic packets matching algorithms to improve the performance of algorithm. For the sake of objectivity, the statistics method was used to compute the fitting value. Experiments showed that this new algorithm effectively improved the performance in the speed and storage space, as compared with the traditional one. For the first time, evolutionary algorithm is used to solve the network data packet forwarding, and packets can be forwarded at the linear speed. In addition, this new algorithm is universal, so it can be adapted for many equipment.     

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.     

基于模式识别神经网络的重力匹配算法

为了提高重力辅助惯性导航系统在重力异常明显区域内的定位精度和匹配率,用模式识别神经网络的方法进行了重力匹配.在匹配时刻,根据惯导指示位置确定在一定的网格点范围内搜索载体真实位置,以每个网格点为终点把惯导指示航迹放置到重力图上,由此提取一系列的参考重力图上数据,并把它和对应网格点的位置定义成一个模式类,把所有的模式类作为概率神经网络的样本训练一个模式识别神经网络,然后把重力仪测量数据使用该神经网络识别到某个模式类,对比模式类的定义可以确定此时的载体位置.计算仿真研究表明,该算法的重力匹配率优于通常的相关匹配算法,其组合导航系统的定位误差在1个重力图网格左右.