基于Fréchet距离准则的智能地图匹配算法

为克服地图匹配过程中当前定位点信息不足的缺点,充分利用导航定位的历史轨迹信息,在分析了一些常见匹配算法后,引入了Fréchet距离来定义两曲线间的距离,并且通过设计了一种智能云模型控制器对地图匹配这种具有高度不确定性的算法进行了云规则推理,最后推导出可信度P作为地图匹配效果的评价指标,这种算法不仅能够在出现匹配错误时为使用者提供警告信息,而且还提供了一种能迅速从错误中调整恢复的方法。试验表明,当利用当前定位点信息并与历史轨迹信息结合进行匹配时,匹配的总体精度要优于只利用当前定位点信息的情况。     

一种新的智能地图匹配算法

为克服当前定位点信息不足的缺点,充分利用导航定位的历史轨迹信息,在分析常见地图匹配算法的基础上,引入了Fréchet距离来定义两曲线间的距离,并且通过设计一种智能云模型控制器对地图匹配这种具有高度不确定性的算法进行了云规则推理,最后推导出可信度P作为地图匹配效果的评价指标.该算法不仅能够在出现匹配错误时为使用者提供警告信息,而且还提供了一种能迅速从错误中调整恢复的方法.实验表明,当充分利用当前定位点信息并与历史轨迹信息结合时,匹配的总体精度要优于只利用当前定位点信息的情况,并且算法的准确性也比后者高.     

基于短时预测的地图匹配算法

地图匹配算法的有效性和可靠性对于车载导航系统而言非常重要,而目前存在的地图匹配算法在一些复杂环境下(如道路交叉口)仍然不能提供合理的输出。因此,为了提高道路网络中的地图匹配精度,提出了基于短时预测的地图匹配算法。该算法首先使用待匹配定位点的历史信息建立短时预测模型,从而获取到待匹配时刻未来一段时间内的位置预测点;然后使用待匹配定位点和短时预测点与道路之间的平均距离替换待匹配定位点与道路之间的距离;最后采用Dempster-Shafer证据理论融合车辆与道路之间的距离信息和方向信息,有效地扩大了待匹配道路之间的差异,从而提高了算法的鲁棒性。仿真和实验表明,新算法在复杂环境下具有较强的有效性和可靠性。     

基于权重的地图匹配算法

该文分析了地图匹配的误差来源,提出了一个基于权重的地图匹配算法。该算法将GPS定位数据转换成道路网络的弧的权重,然后根据弧的权重大小来确定车辆当前行驶的道路。该算法有效地利用了定位点的当前信息和历史信息,并且能够在很大程度上降低定位误差对地图匹配效果的影响。     

基于改进HMM模型的3D景区地图匹配算法

针对GPS误差和地图系统误差导致3D地图定位精度较低的问题,提出一种基于改进隐性马尔科夫模型的地图匹配算法。使用面积重叠法获取候选路段,引入距离、道路宽度和历史定位点计算观测概率,利用路网拓扑信息、游客行为特性、景点与道路的相关性计算转移概率,采用Viterbi算法得出最优匹配路段。在Unity3D平台上实现景区场景3D可视化,利用校园地图进行实验验证,结果表明,该算法匹配精度达到95.4%,在3D景区导航中具有良好的实用性和较高的准确性。     

一种改进的Hausdorff距离地图匹配方法

目前的地图匹配算法分为在线和离线匹配两类。针对离线地图匹配中Marchal算法精度较低的问题,提出了一种改进的Housdorff距离匹配算法,利用航线方向角与Housdorff距离对Marchal匹配算法进行了改进。通过仿真试验的定性定量分析,新算法可以较好地纠正矢量数据不完整时产生的错误结果,很大程度上提高了匹配的准确性,可以为导航系统以及规划部门提供保障服务。     

基于Zernike形状矩的地图匹配算法

地图匹配算法的有效性和可靠性对于智能交通系统而言是非常重要的,而目前存在的地图匹配算法在一些复杂环境下（如道路交叉口）仍然不能提供合理的输出。采用D-S证据理论融合当前车辆位置信息和方向信息可以有效地扩大待匹配道路之间的差异,但在复杂路网下信息量的不足会降低其匹配精度。因此,为了提高道路网络中的地图匹配精度,提出了基于Zernike形状矩的地图匹配算法。新算法引入Zernike矩描述轨迹曲线的形状,进一步修正了错误结果。通过仿真和实验表明,新算法在复杂环境下具有较强的有效性和可靠性。     

基于Kinect的改进移动机器人视觉SLAM

针对传统ICP（iterative closest points,迭代最近点算法）存在易陷入局部最优、匹配误差大等问题,提出了一种新的欧氏距离和角度阈值双重限制方法,并在此基础上构建了基于Kinect的室内移动机器人RGB-D SLAM（simultaneous localization and mapping）系统。首先,使用Kinect获取室内环境的彩色信息和深度信息,通过图像特征提取与匹配,结合相机内参与像素点深度值,建立三维点云对应关系;然后,利用RANSAC（random sample consensus）算法剔除外点,完成点云的初匹配;采用改进的点云配准算法完成点云的精匹配;最后,在关键帧选取中引入权重,结合g2o（general graph optimization）算法对机器人位姿进行优化。实验证明该方法的有效性与可行性,提高了三维点云地图的精度,并估计出了机器人运行轨迹。     

考虑时空特性的动态权重实时地图匹配算法

针对当前实时地图匹配算法难以同时保证匹配高准确性和高实时性的问题,提出一种基于动态权重的实时地图匹配改进算法。首先,算法考虑了相邻全球定位系统（GPS）轨迹点在时间、速度和方向上的约束关系,以及道路网拓扑结构,并基于时空特性分析,建立了距离权重、方位权重、方向权重和连通性权重组成的权重模型;然后,根据GPS轨迹点自身属性信息,建立了动态权重系数模型;最后,根据置信度水平选择最佳匹配路段。用三条总长36 km的重庆城市公交车行驶轨迹进行测试,结果显示：所提算法平均匹配正确率达到97.31%,单个轨迹点匹配平均延迟为17.9 ms。新算法匹配正确率和实时性较高,在Y形路口和平行路段的匹配效果上优于对比算法。     

基于伪Zenike矩的离线地图匹配算法

地图匹配算法分为在线和离线匹配,针对离线地图匹配中Marchal算法精度较低以及存在模糊多解的问题,利用伪Zenike矩对其进行改进,将行驶轨迹与道路曲线利用伪Zenike矩进行形状描述,然后对曲线进行特征匹配,获取道路点。实验结果表明,新算法可以较好地纠正矢量数据不完整时Marchal算法产生的错误结果,很大程度上提高了匹配的准确性,而且匹配的效率优于现有算法。     

基于云模型不确定性推理的地图匹配算法

为了解决对于道路网密集且高程变化较大的城市道路地图匹配精度不高的问题,提出一种能够实现定性概念与定量数值之间不确定性转换的云模型地图匹配算法.通过建立云规则和进行基于云模型的不确定性推理,并且结合高程辅助方法来构筑地图匹配模型.云模型可以将定性概念的模糊性与随机性集成到一起,克服了基于模糊逻辑地图匹配算法中隶属度的确定带有主观色彩的不足.仿真试验以城市路网为例,并借助高程辅助的方法进行了分析,结果证明了该算法具有较高的匹配精度.     

基于时空分析的地图匹配算法研究

地图匹配技术被广泛用于GPS导航、城市道路交通状态分析等领域。针对目前城市浮动车数据量日益庞大,地图匹配算法实时性差、匹配率不高的缺点,提出了一种基于时空分析的地图匹配算法。算法在对城市路网建立网格索引的基础上,综合考虑了空间几何、路网拓扑信息及上下文因素对选取GPS投影点的影响,大大提高了匹配效率和匹配精度。实验结果表明,算法能够满足工程应用中浮动车地图匹配的实时性和准确性。     

基于偏好的个性化路网匹配算法

定位技术的普遍应用,使得随时随地获取个人位置成为可能,进一步推动了基于位置的服务等新型应用的发展,产生了海量轨迹数据.精确的路网匹配对提高这些新型应用的服务质量具有重要的研究意义,然而受众多因素的影响,大部分轨迹的采样率较低,比如由签到类应用或低功耗设备生成的低采样轨迹,给路网匹配带来了巨大的挑战.研究基于偏好的个性化路网匹配（driving preference based personalized map-matching,简称DPMM）,提出了在动态道路交通网络中的用户驾驶偏好模型.基于该模型,提出了两阶段路网匹配算法：局部匹配搜索用户最可能采用的几条局部Skyline路径;设计了全局匹配的动态规划算法,该算法返回在用户驾驶偏好下最可能的多条全局路径作为最终匹配结果.实验结果充分表明,该方法是有效的和高效的,具有一定的使用价值.     

一种基于位置点的地图匹配改进算法

针对智能手机计算资源有限、功耗要求高、内置GPS模块易受到周围环境的影响等问题, 提出了一种改进的基于位置点的地图匹配算法, 利用用户个人位置移动的连续性, 结合历史轨迹数据进行道路投影, 通过纠偏的方法对手机的定位数据与电子地图数据进行匹配, 实现了直线道路、十字路口以及多边形区域等各种路况的准确定位。地图匹配算法可用于移动用户行为轨迹的监测和基于移动用户位置的个性化推荐中。     

点云空间曲线的微分信息计算及匹配方法

建立了点云几何分析的相关理论框架,即定义和计算点云潜在曲线的几何微分量,包括Frenet标架、曲率、挠率等;在此基础上提出一种新的点云空间曲线匹配方法。直接在点云上计算微分量来获取相应曲线的特征信息,从而构建全局粗匹配方案,并进一步建立基于空间动力学的精细匹配优化模型。数值实验表明,微分信息计算和匹配方法能很好地适用于带噪音的点云数据,有效地实现点云空间曲线的高精度匹配。     

基于特征提取的点云自动配准优化研究

针对三维点云自动配准精度不高、鲁棒性不强等问题,提出一种基于判断点云邻域法向量夹角的自动配准算法。该算法首先计算点云中每个点的法向量与邻域点集的法向量夹角的余弦值,然后把邻域各点的余弦值作为该点的属性特征向量,进行特征分类提取特征点,根据几何特征的相似性初步搜索匹配点对,并采用欧式距离约束条件剔除匹配错误的点对;运用最小二乘法计算初始配准参数,再通过改进的迭代最近点（Iterative Closest Point,ICP）算法进行精匹配。实验证明,该算法相对于经典的ICP算法无论收敛速度还是匹配精度上都有提升。     

基于GPS/DR的地图匹配方法的研究与实现

研究了地图辅助定位技术在GPS/DR组合定位系统中的应用,给出了一种基于D-S证据推理的地图匹配算法,该算法通过对车辆轨迹与数字地图模块提供的路径相比较,把基于各种传感器的车辆位置与道路网络联系起来,并通过匹配过程来确定车辆关于地图的最大可能位置.仿真实验结果表明,应用该地图匹配算法能够有效的提高组合定位系统的定位精度、减小误差,改善对航线的跟踪质量.     

GSM-R场强监测系统中地图匹配算法研究

通过对影响车载导航系统定位精度的各种GPS数据误差的分析,提出了在GSM-R(Global System for Mobile Communica-tions Railway,铁路专用移动通信系统)场强监测系统中采用基于匹配相似度的地图匹配算法,该算法以GPS定位数据、精确的电子地图及相关路段的历史数据为基础,通过匹配过程确定车辆在电子地图上的最大可能位置,从而弥补了传统匹配算法计算量大以及匹配不准确的不足;最后,在模拟平台上进行了一系列测试,测试结果表明,该算法中的车辆定位和地图匹配精度明显提高,约达到95%。