地图匹配的新算法

提出地图匹配的两种新算法.一种算法是不断判断相邻测量点连线与道路l是否相交,另一种算法是先求部分测量点的凸壳CH,然后判断道路l与CH是否相交或CH是否包含l.这两种算法与传统方法完全不同,是采用计算几何中的方法设计的(非数值计算),具有算法简单、不需要数据融合、极少需要行车方向等优点.     

路径诱导系统中综合地图匹配算法的研究

地图匹配算法对于车辆路径诱导和实时轨迹回放具有重要的应用,为了提供连续、精确和可靠的车辆行驶路段位置,利用定位传感器输出车辆运行位置信息,结合高精度空间道路网络数据,提出新的综合地图匹配算法.该算法不受地理环境的约束,能有效地修正传感器的定位误差,提高车辆定位精度.实际道路测试证明,该算法比现有地图算法更高准确度和实时性,尤其是在十字路口有更好匹配效果.     

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.     

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．     

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。     

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。     

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.     

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。     

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。     

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．     

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.     

一种基于车牌特征信息的车牌识别方法

提出一种基于车牌特征信息分析的车牌识别方法，它充分利用车牌定位和字符分割过程中得到的信息对车牌识别过程进行反馈，将二值化、车牌定位和字符分割紧密结合，注重车牌与车辆背景图像分离特征，以连通域分析为字符分割特点，结合局部二值化算法，提高正确率。实际应用结果表明，本方法具有很强的环境适应性和鲁棒性。     

基于模式匹配的目标点数算法

开发了基于模式匹配的目标点数算法.算法通过对图像中的目标进行模式匹配处理,自动识别目标,实现目标的点数功能.该算法避免了傅立叶变换滤波等计算量较大算法的使用,适用于利用图像处理进行目标实时点数的领域.     

基于图像运动区域的车辆遮挡跟踪算法

针对区域跟踪算法难以解决因车辆遮挡而引起误检的问题,提出了基于图像运动区域的车辆跟踪算法:采用背景剪除法提取运动区域,通过计算相邻帧运动区域的位置变化实现区域跟踪;建立车辆的二维矩形框模型,分析"区域--车辆"关系,结合区域跟踪的结果来判定车辆之间是否发生遮挡,并根据车辆行为来初始化车辆模型轮廓及速度;采用Kalman滤波器预测车辆在当前帧的位置,并以此预测位置作为车辆模型的初始位置进行模型轮廓的自适应调整,得到模型新的矩形轮廓;将新轮廓其所确定的几何中心位置作为测量值反馈回Kalman滤波器,修正Kalman系数,进行自回归运算和计算最佳匹配位置,从而实现车辆跟踪.算法测试实验使用的视频采集自江苏省通启高速公路视频监控系统,采用P4/2.4单CPU,结果表明,在为25帧/s视频流下,该算法准确跟踪率达到94.72%,有效解决遮挡问题,并具有较好的鲁棒性.