迷途知返

正"这是到哪里了?"嘟嘟望着四周,感觉非常陌生。"哎呀,我们迷路啦!"贝贝一下子瘫坐在地上。奇奇说:"要是有一张地图就好了。"看到伙伴们情绪低落,探险小队的乐乐队长连忙鼓励道:"大家别慌,我们可以自己画个地图嘛!"队员们一听,顿时来了精神。乐乐微微一笑,说:"我们来回忆是怎么走到这里来的。"嘟嘟抢先说:"我记得从营地出发后,先向西北走了100米,接着向西走了300米,然后往哪儿走的?"奇奇说:"然后向南走了400米,最后向西南走了200米,就来到了这个地方。"乐乐猴一边听一边在纸上画着,很快一幅简单的路线图就完成了。     

使用三维栅格地图的移动机器人路径规划

针对移动机器人使用三维地图进行路径规划的问题,研究了使用三维栅格地图的路径规划算法.该算法将装载三维激光扫描仪的移动机器人得到的三维点云转换成为八叉树结构的三维栅格地图;扩展了D*算法使之考虑机器人的尺寸,检测每种位姿状态下是否与环境发生碰撞,生成多条可行路径可以在栅格地图中直接生成机器人的运动轨迹,保证运动过程中机器人自身及物体的安全.实验结果表明:该算法不需要对地图具有先验认识,并且考虑了机器人的实际尺寸,具有较强的可靠性和实用性,已经在真实环境中进行了实验.     

交互式地图匹配算法在组合导航中的应用

针对捷联惯性导航系统（SINS）/里程仪组合导航中车辆受初始对准偏差和测量器件自身误差等因素影响的精度随时间和位移增加而降低的问题,设计了交互式电子地图匹配修正新方案.通过车辆姿态角变化选择合适的地图匹配算法,并在转弯处精确反馈修正车辆坐标,同时利用定位误差修正初始对准偏差和里程仪刻度系数误差,降低其对以后导航定位的影响.仿真结果表明,采用交互式电子地图匹配算法,航向失准角偏差可很快收敛至2′左右,里程仪刻度系数偏差也降低至0.08%左右,能够实现系统的需要,跑车实验也证明了此方案的有效性.
     

多层次约束的矢量地图匹配导航算法

针对航空用线状目标的矢量地图匹配问题,提出了一种多层次约束的矢量地图匹配导航算法（MLC-VMMA）.该算法利用差角作为线状目标的匹配特征量,依次根据距离、顺序和误差等多层次约束条件来减小可行解空间的大小,完成在具有旋转、平移、缩放变换下的矢量地图匹配.仿真结果表明,MLC-VMMA适用于小尺度缩放变换下的矢量地图匹配,具有较高的可靠性与导航精度.     

多假设跟踪的移动机器人SLAM算法

针对基于视觉定位的移动机器人自主定位过程中容易产生多种候选位姿.提出一种基于多假设跟踪的同时定位和地图创建方法.该方法通过提取图像SIFT特征进行视觉量测,修正里程计累计误差,再利用多假设跟踪方法获得当前时刻的最优位姿,实时产生环境的栅格地图,并且随着机器人的位姿变化实时更新.研究结果表明:此算法不仅能够较好地创建环境地图,而且能够有效解决机器人"绑架"问题,提高自主定位精度.     

双奇异平面地图的计数Ⅱ

研究了带根双奇异平面地图的计数问题,提供了面剖分方程及以根面次、内面数和非根点数为参数的计数函数所满足的计数方程,并且导出了一些计数显式.     

一种基于相关性分析的地图匹配方法

为了改善机动车导航地图匹配的精度,提出了一种新的基于递推轨迹与候选路径相关性分析的地图匹配方法.为了获得最佳匹配路径,分别计算递推轨迹曲线和候选路径曲线的切向量角,并沿曲线分段计算切向量角的一阶差分,剔除机动车递推轨迹曲线与候选路径曲线间的相对转角,将二维曲线相关问题降为一维曲线的相关问题.基于差分切向量角序列,计算递推轨迹曲线与不同候选路径曲线的相关系数,获得最佳匹配路径,定义具有最大相关系数的路径段为最佳匹配段.实例说明,新的地图匹配的方法对相似候选路径具有正确的分辨能力,对递推数据的随机误差有较强的鲁棒性.     

基于Mobile GIS的GPS车辆监控系统的设计与实现

本文介绍了基于Mobile GIS的GPS车辆监控系统的整体结构.系统基于独立的Mobile GIS开发平台,采用Java使用地图匹配算法,实现对车辆状态的监控功能。     

SVG图像技术在WebGIS地图网络

WebGIS是传统GIS发展的必然趋势,然而目前却存在很多发展瓶颈,诸如空间信息的动态变化实现困难、GIS数据共享、传输速度不容乐观等.SVG具有适合网络发布的优点,将其应用于地图网络传输与发布,能解决目前地图网络发布面临的难点问题.因此,在WebGIS的研究中,若将地理空间数据编码成SVG格式来进行空间数据存储、处理和显示,可以有效地消除现在专有空间数据格式所产生的数据传输的问题.     

利用改进的粒子群算法的机器人全局路径规划

针对常规路径规划单纯追求路径最短、路径规划不灵活和实现复杂的缺点,提出了一种改进的移动机器人全局路径规划方法.该方法综合人工势场(APF)与粒子群优化算法(PSO)的优点,利用障碍物的排斥力生成路径的危险度地图(DDM),将路径长度与危险度的加权和作为PSO的适应度函数,获得了一条全局最优路径.该方法具有3个优点:粒子初始化及更新过程中会自动避开有障碍物的危险区域,规划出一条既安全相对长度又较短的路径;通过调整加权因子平衡长度与危险度在适应度函数中的比重,路径规划灵活;算法实现简单,收敛速度快,能满足移动机器人实时路径规划的要求.仿真结果证明了该算法的可行性和有效性.