基于北斗卫星的车辆组合导航系统开发

针对北斗卫星定位系统的特点,使用电子罗盘、陀螺传感器和车速传感器等多种传感器,基于嵌入式系统平台开发了一种车辆组合定位系统.以Kalman滤波算法为基础,设计了航向融合和航位融合算法,实现了车辆位置和行车方向的测量.为更精确地实现车辆在地图上的定位,设计了一种基于匹配度的综合地图匹配方法,可实现北斗系统的稳定可靠定位.实车定位试验表明: 该组合导航系统可以较好地实现稳定的工作,提高了北斗定位系统的实用性.     

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.     

交通数据的地图匹配算法研究

城市智能交通引导系统为用户提供最准确的道路交通信息。在分析地图匹配问题产生原因的基础上,阐述了地图匹配算法解决车辆在地图上位置定位的基本思想和判断依据,设计了交通引导系统中便于实现的地图匹配算法,通过引入行驶方向和驾车轨迹,地图匹配算法改进后提高了车辆定位的准确性。系统实验证明,改进后的地图匹配算法能够很好的完成交通引导系统中车辆位置在地图显示中的定位匹配任务。     

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.     

角度和距离分段占优地图匹配算法

为了更好的实现车辆导航系统的实时性和精确性,研究了地图匹配算法的各要素。采用两级交错式网格划分,并结合全球定位系统实时水平估计误差实现对电子地图待匹配区域划分。利用车辆行驶位置、方向、道路几何拓扑关系和行驶角度变化率,提出了一种基于角度和距离分段占优的地图匹配算法。试验结果表明:本文建立的地图匹配算法能够准确、快速地实现车辆导航定位功能。     

一个基于位置点匹配的地图匹配算法

介绍了汽车多媒体系统中的车辆定位技术,着重叙述了地图匹配算法的原理·并给出了一个基于位置点匹配的地图匹配算法·该算法将车辆行驶时的匹配定位处理分成了５种状态,针对各状态的实际特点,对应不同的处理,从而改进了基于位置点匹配的地图匹配算法·经实验证明,该算法单位置点匹配运行时间为０１２ｓ·在ＧＰＳ信号ＰＤＯＰ＜６时,正确匹配率达到了８９５％·     

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.     

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.     

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。     

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.     

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.     

面向车辆监控导航的地图匹配算法研究

在引入地图匹配问题的基础上,针对传感器给出的车辆位置信息的不确定性,提出了基于准投影和曲线拟合的实时地图匹配算法,以适应车辆监控导航实时性的要求。该算法以选取与车辆行进方向一致的道路为核心,利用孤立点轨迹提取和GPS坏点过滤,取消由电子地图数据不完整和坐标变换误差引起的限制,简化运算的复杂度,并能在电子数据不完整或局部路网数据错误的情况下正常运行,从而为车辆监控导航准确性研究提供了基础。实验表明,该算法能够适应实时监控导航系统的需求,而且具有良好的实时性和鲁棒性。     

基于拓扑结构/自适应模糊决策的地图匹配算法

给出了基于节点信息的路网空间拓扑结构的具体描述形式．引入相关性概念，提出了一种基于道路几何信息的自适应模糊决策地图匹配算法．通过待配路段两两之间隶属度值的比较与模糊排序以及测度因子参数的适应性调整，使算法在道路几何分布复杂，且较为密集的区域，仍具有较强的适应能力．根据模糊决策后各路段隶属度值的分布情况，提出了将拓扑结构匹配算法划分为决策、校验、弃用等3个应用时段的拓扑结构／自适应模糊决策组合匹配算法的整体设计思路．对实际跑车数据的仿真处理结果表明，该算法较好地解决了地图匹配算法中相互矛盾的算法的计算效率与算法的可靠性之间的协调问题．     

多层感知器自监督在线学习非结构化道路识别

针对智能车辆非结构化道路识别中存在的环境自适应性和在线学习算法实时性问题,提出了一种结合多线程技术和多层感知器自监督在线学习技术的道路识别算法. 通过识别结果在线自动更新训练集,并利用评估函数判断是否触发重训分类器,确保当前分类器对行驶道路环境的有效识别. 同时,算法中道路图像采集、分类器训练、训练集更新、分类器识别等计算操作分别在各自线程中实现,利用信号量对数据流进行同步互斥,优化计算资源,充分利用了多层感知器分类计算快的特点,并克服其训练耗时问题. 实际道路检测实验结果表明,算法具有较好的自适应性及实时性,能够满足智能车辆非结构化道路导航需求.      

基于WSN节点定位与道路方位信息的地图匹配改进算法

全球定位系统具有高精度、低成本、实时性好等优点,但由于市区卫星信号容易受遮挡,GPS无法有效发挥作用,因此结合无线传感网络节点定位技术,可以提高地图匹配算法的匹配精度.根据航向角、道路倾角以及定位点到候选路段的距离等信息,对车辆导航系统中的地图匹配算法进行分析研究,在已有权重算法的基础上,提出一种基于方位信息度地图匹配的改进算法,并利用MATLAB环境下进行仿真实现.     

基于3D激光雷达点云的车辆目标识别算法

针对结构化道路环境中智能车识别周围360°范围内的车辆目标问题,基于车载3D激光雷达采集的道路环境中车辆目标点云数据投影特征,提出识别车辆目标新算法。算法首先识别结构化道路边界,进而排除道路边界两旁障碍物的干扰和减少点云数据量;其次基于雷达点云数据扫描和分布特征,利用改进K-means算法对道路区域内点云数据聚类。最后提取聚类目标内部特征点,并通过计算特征点构成向量的夹角或模的长度准确识别车辆目标。实验验证表明,该算法有效抑制了道路边界两旁障碍物的干扰,可以准确识别结构化道路区域内的车辆目标。     

车辆导航中带匹配度反馈的模糊地图匹配算法

连通性是车辆导航中车辆与地图匹配的一个重要因素,它利用历史匹配信息以改善匹配连续性,但同时也可能由于引入错误信息而使匹配结果恶化。该文在多因素综合的模糊地图匹配基础上计算匹配度,对匹配结果的可信程度进行评价。该匹配度通过反馈方式在下一次匹配的连通性因素中加以利用。实验表明带匹配度的反馈模糊地图匹配方法可以使连通性得到更加合理有效的使用,从而使地图匹配效果得到改善。