基于B/S结构的地图切片前端预存储技术

目前,主流的客户端缓存地图切片技术都是基于C/S结构,这种技术在移动设备的地图APP程序中应用较广泛。B/S结构由于安全机制的限制,不能够在客户端存储大容量的文件,这一特点严重阻碍了基于Web GIS技术的地图应用程序的发展。最新的HTML5文件系统API技术能够实现在客户端存储大批量文件,可以将海量地图切片缓存到用户的电脑硬盘或者移动设备中,在需要访问地图时从客户端调出使用。基于该功能,用户在B/S结构下将地图切片缓存到客户端,在离线环境中浏览预先存储好的地图数据,缩短系统的响应时间,改善用户体验。     

基于手机定位功能的工程协同管理系统的应用与设计

该文通过对手机中的定位功能的深入开发,将该功能应用于工程施工中参建单位进行的协同工作的管理系统中,并将该管理系统与地图应用相结合,实现了协同管理的实时性与规范管理性,提高了工程施工进度与管理效率。     

基于手机定位功能的工程协同管理系统的应用与设计

该文通过对手机中的定位功能的深入开发,将该功能应用于工程施工中参建单位进行的协同工作的管理系统中,并将该管理系统与地图应用相结合,实现了协同管理的实时性与规范管理性,提高了工程施工进度与管理效率。     

基于GPS数据及车辆运行特性分析的单车路段行程时间估计

针对现有的基于浮动车单车路段行程时间估计方法的不足,提出了一种基于GPS数据及车辆运行特性分析的单车路段行程时间估计方法。该方法主要进行了3个方面的改进:①对地图匹配模块中节点附近GPS点采用了相邻点联合匹配的方法,提高了匹配的效率;②针对不同情况下车辆在边界点前后运行特性的不同,对车辆通过边界点时间进行相应处理,提高了车辆通过路段边界点时间的估计精度;③对车辆个体在运行中因受到干扰而停车现象进行了分析,并对干扰停车予以有效剔除,降低了估计中车辆个体行为对估计结果准确性的影响。最后用出租车GPS实验数据进行了验证,结果证明了本文方法的有效性。     

图形编辑系统在地图数据库中的特点分析

文章主要对地图数据库中,图形编辑其编辑原理、方法、MOBGES的结构以及具体功能做了重点介绍,同时文章对库函数的建立以及具体的分类方案进行了简单的分析。最后文章还对符号图形的编辑提出了一些观点,仅供参考。     

基于地图的酒店查询系统

系统应用Android系统的手机平台,使用google地图导航技术,提供用户所在地周边的酒店,并提供步行路线、公交路线、驾车路线,以便客户能仅使用手机定位自己所在地,并准确的找到自己心仪的酒店。系统测试表明各项功能运行正确,并且具有一定实际运用的价值。     

语义线特征辅助的动态SLAM

动态环境干扰是视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）领域内一个亟待解决的问题,场景中的运动对象会严重影响系统定位精度。结合语义信息和几何约束更强的线特征辅助基于传统ORB特征的SLAM系统来解决动态SLAM问题。首先采用深度学习领域的优秀成果SOLOv2作为场景分割网络,并赋予线特征语义信息;完成物体跟踪和静态区域初始化后,使用mask金字塔提取并分类特征点;再使用极线约束完成动态物体上点线特征的剔除;最后融合静态点线特征完成位姿的精确估计。在TUM动态数据集上的实验表明,提出的系统比ORB-SLAM3的位姿估计精度提高了72.20％,比DynaSLAM提高了20.42％,即使与近年来同领域内的优秀成果相比也有较好的精度表现。     

基于GPS数据和压缩栅格算法的城市路网电子地图快速构建方法

路网电子地图对城市交通管理领域有重要的作用,但是地图服务机构提供的接口功能有限,商用地图一般价格高昂;而一些基于GPS数据的地图生成算法非常复杂、速度慢,在一些实际应用中受到限制,如区域地图即时更新、道路临时管制、应急路线规划等.为此提出一种直观、可扩展、操作灵活的城市道路地图构建方式.通过奥赛罗坐标化的方式,对单位栅格的表示方式进行重新设计,在改善栅格地图的拓扑表达能力、弥补栅格地图存储空间较大和处理时运算资源需求较多等弊端的同时,实现了地图的快速构建.文章以公共交通服务评估和路网韧性评价为例,展示了这一方法的应用潜力.     

基于矢量地图的无人机三维航线校正仿真

无人机三维航线校正执行过程中受到环境等因素影响,导致无法适应预定计划,易发生偏差,存在校正精准性较差的问题.基于矢量地图提出一种新的校正方法,首先利用LPA航线部署方法分布三维航线点,并通过检验局部一致性来防止重新对全局进行搜索,减少了干扰因素的阻碍与搜索空间范围;然后采用卡尔曼滤波算法准确定位无人机,通过路面监控站发出的方位信息来计算当前无人机与部署航线间的距离偏差,引入校正因子有效校正偏离航线,让无人机能够按照部署航线完成飞行任务.仿真结果说明,基于矢量地图方法具有较高的时效性和准确性,满足了实际应用需求.     

基于点云分割的运动目标跟踪与SLAM方法

现有的绝大多数同步定位与地图构建(SLAM)方法是基于静态场景假设,场景中运动目标被视为干扰,它的存在会导致定位和建图精度下降甚至失败.而运动目标检测与跟踪在很多应用中又是必须的,却在求解SLAM问题时被滤除.针对这一问题,本文提出一种融合激光雷达和惯性传感器,可同时完成SLAM和运动目标检测与跟踪的方法.首先利用惯性传感器的观测结果来补偿激光雷达扫描过程中由于自身运动引起的运动失真,在运动补偿后的点云上应用全卷积神经网络(FCNN)检测出所有可能的运动目标,并基于无迹卡尔曼滤波(UKF)实现运动目标的跟踪以及动、静目标的区分.然后利用剩下的静态背景点云部分进行数据关联和运动估计,实现定位和建图.为进一步提高建图的一致性和精度,增加了闭环检测,并基于图优化的方法实现地图和轨迹的全局优化.在开源数据集KITTI及实验平台采集的数据集上进行了大量实验验证.实验结果表明,相比于传统的SLAM方法,本文方法不仅能实现运动目标的检测与跟踪,同时可完成实时、鲁棒、低漂移的车辆位姿估计与建图,且建图精度明显优于现有其他方法.