一、A Map-Matching Algorithm forGPS/DR Integrated Navigation Systems Basedon Dempster-Shafer Evidence Reasoning(论文文献综述)
徐思轲[1](2020)在《基于模糊逻辑的机场飞行区实时地图匹配算法》文中研究指明随着国内航空事业的发展,机场飞行区的建设迎来了一个高峰时期,机场内部的地面服务车辆及其他设备大幅增长,对场内车辆的实时精确定位是有效提升安全保障的手段。地图匹配算法是定位误差修正的重要手段之一,现有实时地图匹配技术在参数设定上多采用预先设置,未针对飞行区特定环境进行额外调整。基于此,本文提出一种基于模糊逻辑的机场飞行区实时地图匹配算法。首先,本文简要介绍地图匹配问题与地图匹配误差的来源,阐述地图匹配算法原理,概述现有的地图匹配算法的研究现状以及参数调整策略应用,为算法研究提供了相应的理论依据。其次,通过对拓扑地图匹配算法参数选取的统计,选取针对机场飞行区的合适参数,并基于参数选择提出一种实时拓扑地图匹配算法。该算法主要包括三个匹配阶段,即初始阶段、非交叉口匹配阶段和交叉路口匹配阶段,在初始匹配阶段与交叉路口匹配阶段结合飞行区拓扑规则以及邻近度、航向差异等几何信息,采用权重计算的方法进行路段识别,完成运动目标地图匹配过程。在完成算法设计后,提出对特定于实例的参数调整工具。将飞行区按照环境特征进行分区,并且在各分区内选取代表实例,针对不同实例,给出环境特征的量化方法,并且将环境特征作为量化输入,算法参数作为输出,结合实例在不同参数组合下的算法执行结果,设置模糊逻辑推理系统,完成特定于实例的参数调整,从而得到各区域内的参数设置水平。在上述研究基础上,以本文提出的算法作为理论支撑,基于ESRI公司的Arc GIS平台开发飞行区运动目标监测平台。最后,为验证算法有效性,本文选取某机场作为案例分析,使用测试实例对优化前后的算法进行匹配效果比较分析。实验证明,经过参数校准的地图匹配算法在匹配效果或算法执行效率上优于原算法。
汤振源[2](2020)在《编组站机车车辆跟踪定位系统的研究与开发》文中指出作为铁路运输的核心,编组站在铁路货运中充当“列车加工厂”的角色,负责大量货运列车的解体、编组、摘挂等作业[1]。进入21世纪以来,随着我国经济的发展,货运量逐渐增大,编组站的作业能力日益紧张,为了提高编组站的作业效率,减少人工参与度,降低作业成本,编组站综合自动化成了编组站发展的一个趋势。编组站综合自动化系统是由行车作业、调车作业、货车信息三大部分自动化设备组成的系统,经过多年发展,仅仅实现了部分自动化功能,完全实现编组站综合自动化仍然任重而道远。调车作业是编组站主要功能,如何实现调车作业自动化是编组站综合自动化的研究重点内容之一,而实现对编组站机车的实时跟踪定位是调车作业自动化的基础,是调机自动驾驶,作业自动控制的前提。本文研究编组站机车车辆跟踪定位问题,将分为三个部分,即跟踪定位方式研究、传感器数据信息处理技术研究、应用程序开发研究。其详细内容如下:(1)跟踪定位方式的选取。编组站具有站场规模大,股道数量多、轨旁设备复杂等特点。通过对轨道交通领域内常用的定位技术的研究,发现单一的定位方式无法满足编组站特殊的需求,比如GNSS正常情况下定位精度较高,但容易受到干扰,里程计,雷达测速定位虽然也能进行定位,但容易产生累计误差,无法保证编组站生产第一要求——安全。因此,本文以技术成熟优先、准确可靠优先、成本较低优先的原则,结合编组站独特的站场布置,选择了以RFID为主,INS/GPS为辅的组合定位系统,其中RFID属绝对定位,在系统中充当参考系统,INS/GPS成熟可靠,可弥补RFID定位标签间隔中的定位盲区。(2)数据处理方式的选取。组合定位系统发展已有多年的历史,传感器采集数据处理方式有多种选择,本文归纳总结了常见的人工智能类方法,随机类方法的优缺点,发现扩展卡尔曼滤波是被公认的应用最广泛的一种信息融合技术,能够获得理想的滤波效果。本文建立了组合定位系统模型,给出了系统状态方程和量测方程,并通过误差仿真运算分析,获得了预期效果。(3)在完成上述两部分后,本文详细设计了编组站机车车辆跟踪定位系统的应用程序,主要包括系统开发平台、开发环境选取,系统功能需求分析,数据库及架构设计,并通过系统开发,实现了编组站机车车辆跟踪定位1.0版本的基本功能,完成机车在站场图上的直观显示,机车位置信息的实时输出和到达车辆的查询跟踪。
马会芳[3](2020)在《移动机器人环境识别与语义理解》文中研究表明环境感知是自主移动机器人研究的关键技术。随着机器人智能化需求的不断提高,环境感知也在语义信息上开展了多方面的研究,包括物体识别、环境属性解析以及端对端的控制语义等。近年来,深度学习的发展进一步推动了感知性能的提升,语义感知不论在算法准确度上还是建模方法上都取得了丰硕的研究成果。然而,现有的成果大多基于封闭的实验条件。考虑到机器人实际运行场景的开放性和复杂性,环境感知仍面临着感知维度提升、分类类别繁多以及先验数据样本有限等多方面的挑战,阻碍了移动机器人技术的广泛应用。本文在这一背景下,针对移动机器人环境识别和语义理解两方面开展具体研究,取得了以下四个创新性研究成果:(1)针对三维物体检测运算量大、搜索空间复杂度高的问题,提出了基于RGBD传感器的多模态信息融合一阶段三维物体检测模型。该模型通过在二维平面上分层融合RGB图像和深度图像中互补的外观特征和几何特征来对三维空间进行建模,实现了不同模态信息的高度融合。继而在不同感受野的特征层上进行包围框回归来解决图像投影的尺度问题。通过二维备选框搜索、三维匹配的方式,显着提高了运算效率,在SUNRGBD和NYUv2 RGBD数据集上实现了端对端的多类别、多尺寸、多视角三维物体实时检测。(2)针对场景语义标注中建模类别有限、测试鲁棒性低的问题,提出了利用分类器冲突性识别环境中未知物体的开集语义标注方法。首次在具有语义连接关系的分类问题中,从有限类别的闭集设定提升为无限类别的开集设定。该方法通过条件随机场建立场景的内在语义关联,通过内含概率支持向量机建模场景中物体的未知性,进而利用Dempster-Shafer证据理论进行概率融合,以得到不同概率分布的冲突性来判定未知物体。在不同已知类的有限样本训练下,该方法在Cornell-RGBD和SUNRGBD数据集上测试的语义标注准确度和鲁棒性相较于现有方法均得到了提升。(3)针对无交通标志场景下缺少环境可移动属性理解的语义定义和相关数据集问题,提出了利用移动轨迹实现对道路可通行结构的语义理解方法。该方法通过非参贝叶斯方法对机器人运行轨迹上的角速度特征进行聚类,并将聚类得出的动作模式映射回视觉,获得环境观测中道路可通行方向、拐点位置、及剩余距离的局部标注信息,避免了训练数据的人工标注。进而设计多任务并行的弱监督神经网络模型,通过提取图像不同局部区域的互补标注信息,来预测道路完整的可通行结构。该方法在YQ21数据集上验证了道路通行结构自学习的可行性,并可在陌生环境下进行泛化。(4)针对自主移动传统框架对高精度定位的需求,提出了在无交通标志环境中基于粗定位和公开导航地图的环境移动导引语义理解方法。该方法将环境感知与目标规划通过GPS定位结果结合在一个端对端对抗生成网络中,网络以视觉观测和局部路径规划为输入,以符合规划和道路可行性的移动导引区域为输出。视觉导引区域可进一步结合激光感知数据形成机器人局部坐标系下的导航得分图,直接用于运动指令的生成。该方法降低了传统框架下生成局部参考路径所需要的定位精度,使得感知系统在最大限度实现端对端学习性能的同时保留了模块化方法的灵活性。该方法在YQ21数据集上的动作指令生成准确度和平稳性显着高于现有的端对端学习方法。对于上述关键问题和解决思路,本文在多个公开数据集上设计了定量与定性的实验来进行算法的验证。实验结果在移动机器人环境感知的多个任务上带来了性能的提升,验证了所提方法的有效性。
刘峰[4](2019)在《高精度惯性定位定向/地图信息匹配导航技术研究》文中认为经典的陆用定位导航技术,如惯性导航以及惯性与里程信息、地标信息、零速停车信息、卫星信息的组合导航技术等,在满足长时间大范围工作情况下机动、快速、自主导航定位的作战使用需求时,都有着各自的技术缺陷。为了突破陆用导航领域传统技术方案,本文对高精度惯性定位定向地图信息匹配导航技术进行研究,提出了采用地图匹配辅助惯性定位定向方法,提高长航时大半径情况下的自主定位精度,对提升快速自主精确能力并降低保障要求与成本具有重要意义。论文的主要研究内容包括:1.针对军用国产化的嵌入式平台资源、性能特点,及数字矢量地图路网的数据结构,提出了一种适用于嵌入式导航计算机的自主可控空间索引方法——基于空间网格的Hilbert-R树索引方法。解决了相关技术依靠国外软件二次开发平台的问题,实现了海量数字矢量地图快速索引。经验证,该索引方法较普通遍历搜索方法索引效率提高80%以上。2.针对数字地图路网结构的特点和地图匹配的难点,提出了一种基于计算几何理论的惯性定位定向系统行驶轨迹与数字地图道路几何特性的“线到线”型地图匹配方法。实现了基于定位定向信息的路径匹配,有效解决了道路纵向匹配误差得不到有效抑制的技术难题,具有较高的准确性和鲁棒性。3.通过分析惯性导航力学编排和误差原理,提出了一种自主可控的惯性/里程计/地图匹配组合导航方案,建立精确的误差模型,采用滤波技术进行信息融合,利用地图匹配导航结果提高惯性定位定向系统自主定位精度。经验证,利用地图匹配信息修正惯性定位定向系统在长航时、大作战半径情况下可将定位误差控制在45m以内。4.针对惯性定位定向系统可用的嵌入式系统的硬件资源、运算处理能力有限的问题,提出了一种基于嵌入式系统的软硬件平台实现方案。完成了硬件系统、软件架构工程设计,具备在有效的资源中实现地图动态分块动态加载、道路检索、匹配解算、惯性定位定向/地图信息匹配融合与非道路行驶识别等功能,并在惯性定位定向系统中首次实现惯性定位定向/地图匹配导航技术工程应用。
王少槐[5](2019)在《基于GPS轨迹的路网生成与地图匹配算法研究》文中研究说明基于信息技术与交通学科的深度交叉融合,智能交通系统在解决日益严重的“人-车-路”协调问题上越来越突显其优越性。位置服务、路径规划、车辆导航等应用也在深刻地影响着人们的日常生活方式。在这些技术应用当中,人们时常会遇到两个技术难点:路网地图信息的更新以及车辆位置的地图匹配。人工测绘、图像处理等传统路网生成方式不仅费用昂贵,而且难以满足路网变化频繁而及时更新的需要。移动通讯技术与GPS移动设备的普及使得通过海量GPS数据重构路网信息成为了可能。本文在GPS轨迹数据的基础上,通过对轨迹数据进行研究分析,提出了一种基于GPS轨迹数据的路网生成算法。为了提高算法处理效率,必须先对原始GPS数据进行数据清洗、坐标系转换以及栅格化处理等预处理操作。接着,通过对交叉口附近轨迹点特征的分析,将交叉口候选栅格筛选出来。基于交叉口候选栅格,通过DBSCAN聚类算法便可以进行交叉口的数量估计与位置估计。对存在关联性的交叉口,依据两者之间的栅格等效质心,采用最小二乘法曲线拟合的方式构造道路。最后,获取道路相关数据信息,以节点为单位记录到数据库中,最终实现路网重构。以车辆GPS轨迹数据和路网地图为基础,将用户的位置估计输出到路网地图上,这一过程便称为地图匹配。该过程可对车辆定位结果进行修正,是车辆导航、交通诱导、交通预测等应用的基础。综合了拓扑分析、概率分析与几何分析,本文设计了一种基于距离-方向权重的复合匹配算法。在完成数据插值等预处理操作之后,利用历史定位结果以及误差区域确定当前待匹配定位点的候选路段。最后,根据所设计的匹配算法确定最佳匹配路段与最佳匹配点。在这个过程中,考虑到算法的实时性能,可将匹配过程按照轨迹点所处位置划分为三个步骤:初始点匹配、路段匹配和交叉口匹配,不同的步骤选取不同的权重系数进行计算。最后,开发数据采集系统并设计相关实验对所提出的路网生成算法与地图匹配算法进行验证,说明其有效性。
于航[6](2018)在《基于多传感器信息融合的室内定位算法研究》文中进行了进一步梳理随着科学技术的飞速发展和人们生活水平的日益提高,基于室内定位的服务应用受到了越来越多的关注。经过大量的研究,室内定位领域公认的发展趋势是从多个成本低廉的传感器获取不同的数据信息,利用融合技术实现精确且鲁棒的定位结果。许多科研成果已证明在视觉特征丰富的环境中基于图像的定位效果很好,但当外界存在干扰时会产生较大且无法预测的误差。近年来,惯性测量单元凭借性价比高、可实现自主定位而广受欢迎。其不足之处在于长时间运行会产生误差累积问题。针对室内定位的发展趋势,及视觉和惯性定位的各自优缺点,从不同融合结构角度出发,本论文主要提出了以下三种融合定位算法:第一,提出了一种利用改进的卡尔曼滤波器融合现有视觉和惯性定位结果的算法。该算法利用分布式融合结构,通过设计包括位置、速度、加速度差三状态的卡尔曼滤波器模型及引入特征匹配阈值的概念,实现了视觉与惯性定位的融合。其利用了惯性定位在短时间内准确的优点,又可有效控制视觉定位在存在外界干扰时定位不准确的问题。实验表明,融合定位后的精度要好于仅基于惯性数据或视觉特征的结果。第二,提出了一种基于全局特征和差分零速度校正的加权定位算法。本算法对传统的视觉及惯性定位方法均进行了改进。传统的视觉定位采用的都是局部特征表示,导致在特征匹配阶段计算量非常大,本算法提出通过聚类方法获取全局特征从而减小匹配阶段的搜索空间,提高时间效率。其次,通过分析加速度测量在静止及运动状态下的差分值特性,结合零速度校正的思想,提出了差分零速度校正的方法,在一定程度上控制了惯性定位误差累积的问题。最后利用主成分分析方法对改进的惯性和视觉定位结果进行权重分配,获取融合后的定位结果。该算法在时间效率上优势明显,且定位精度可满足多数基于位置服务的需求。第三,提出了一种结合极限学习器与Dempster-Shafer证据理论的融合定位方法。本算法采取集中式融合方式,首先建立包含图像特征和惯性数据的输入特征;然后利用极限学习器训练建立的模型;最后,通过D-S证据理论完成定位结果的信任度分配。此外,由于目标转弯时存在定位误差较大的情况,本算法引入了一种拐弯判定准则加以解决。实验表明,该算法可以既满足实际应用中实时性的要求,也可以在有复杂干扰的情景中达到较好的定位精度。
谢晓晓[7](2018)在《基于城市出行的时空轨迹数据处理关键技术研究》文中研究说明轨迹数据是随着GNSS技术和基于位置服务的迅猛发展而产生的海量位置数据。城市轨迹数据具有高密度、高信息量、高价值的特征。对城市出行轨迹的研究可以进一步了解城市的现状、挖掘城市问题的根源,为解决城市问题提供决策依据。在轨迹数据的研究中,地图匹配、轨迹数据压缩和轨迹特征提取是轨迹数据处理的关键技术。本文主要针对这三项技术展开研究和论述。(1)提出了内推-吸附式地图匹配算法。该算法使用先匹配关键点后批量匹配的方法,提高了地图匹配效率。而内推的方法降低了个别错误匹配的影响,提高了算法的鲁棒性。(2)提出了基于辐射圆的轨迹特征提取的在线地图匹配算法。该算法基于分而治之的思想,将地图匹配问题分解为三个问题来解决。根据轨迹段的不同重要性程度和匹配难易程度,采用了不同的匹配策略:对拐弯段采用模糊逻辑匹配法,对直行段采用先匹配后校验的方法,并采用并行计算的方针以提高匹配效率。该算法将基于辐射圆提取的轨迹特征用于地图匹配的各个阶段。并且在匹配的准确度和算法效率方面效果明显提高,受噪声影响小,具有较高的鲁棒性。(3)提出了通用的路网规范化处理算法。该法通过该法进行路网重建并建立候选路段索引,缩小了候选路段的检索范围,避免了重复计算,从而提高了地图匹配算法的效率。(4)提出了基于IRAMM的轨迹压缩算法。该算法考虑了路网约束,极大地提高了压缩率;使用匹配后的轨迹点进行压缩,并补充缺失的轨迹关键点,降低了轨迹压缩误差;本文还通过对比实验,证明了该算法在压缩误差和算法效率方面的优势。(5)本文重新定义了时间同步欧氏距离误差的计算方法,提出了两种新的轨迹压缩误差度量方法,即路网距离误差和总距离误差,并使用精度更高的匹配后的轨迹点进行压缩误差的度量。实验结果表明,本文提出的压缩误差度量方法更准确、更全面、更具有现实意义。(6)本文提出了轨迹特征提取的概念及基于辐射圆的轨迹特征提取方法。对辐射圆及由此提取的有关轨迹特征进行了定义,并详细的论述了RC-TEC方法在准确性、公平性、多尺度、可扩展以及可识别噪声等方面的优点。
周成,袁家政,刘宏哲,邱静[8](2015)在《智能交通领域中地图匹配算法研究》文中研究说明地图匹配是智能交通系统领域的研究热点和难点。通过地图匹配来实时获得车辆所在道路及位置信息是一种比较普遍而且成本较低的方法。整理和分析了近年来关于地图匹配算法的文献,将地图匹配的处理算法分为几何匹配的算法、基于拓扑结构的算法、基于概率统计的算法和先进算法,并且系统地介绍了各篇文献中典型的地图匹配算法,比较了各种方法的差异,探讨了其未来发展趋势。
王志伟[9](2014)在《车载网中基于低样本率数据集的地图匹配算法研究》文中研究说明由于车载自组网承载的许多应用需要定位系统的支持,而现有的定位系统受天气、城市设施等因素影响,导致定位偏差普遍存在,位置信息丢失时有发生,不精确的位置信息严重影响了车载自组网中辅助驾驶、路径规划与导航等应用服务的性能。地图匹配技术可以利用数字地图,将采集到带有误差的车辆GPS位置信息调整到道路网络中,地图匹配技术为解决车载自组网中定位不精确问题提供了一种新思路。本文研究在车载自组网中,利用地图匹配技术减少因外界环境影响所造成的车辆位置信息偏差,提高定位系统精度,以保障车载自组网应用服务对车辆位置信息的需求。主要工作包括:针对车载自组网的特点,阐述了地图匹配技术的意义。通过研究地图匹配现状,分析了现有地图匹配技术的原理与评估方法。从地图匹配使用的数据集角度出发,分析了基于高样本率数据集的地图匹配算法无法适用于低样本率数据集的原因。提出了一种基于低样本率数据集消除误计算的地图匹配算法(MIV-Matching)。通过考察已有基于低样本率数据集算法,发现其匹配运算中出现误计算的空间分析过程,分析其误计算的原因并给出避免误计算方法,以提高算法匹配结果的精确性。通过使用真实的GPS轨迹数据对MIV-Matching算法进行评估,结果表明MIV-Matching算法相比于原有算法误差缩小了 50%以上。提出了一种考虑方向影响的低样本率地图匹配算法(Dir-Matching)。通过考查已有低样本率算法处理现有数据集的过程,发现其匹配运算中未能充分使用的数据集信息。在此基础上,Dir-Matching考虑现有基于低样本率数据集算法的几何与拓扑分析过程,并结合车辆移动方向与周边道路方向之间的联系。实验表明Dir-Matching算法能有效减少采集数据的偏差,提高匹配精度。使用Java编程语言与Google Earth实现算法部分与可视化部分,并设计实验用于判断算法的精确性,为地图匹配算法的实现与评价提供了一种有效的方法。
肖维丽[10](2014)在《车辆导航系统中复杂路网的地图匹配技术研究》文中研究说明当前车辆导航系统获得了广泛应用,普遍采用地图匹配技术解决卫星定位和制图误差等导致行车轨迹不在道路上的问题。地图匹配是借助电子地图对接收到的定位数据进行实时修正的过程。它能够减小定位误差对导航定位的影响,提高系统的定位精度。现有的地图匹配算法精度高、效果好,在大多数车辆导航系统中获得了较好的应用。然而,如果卫星信号被遮挡时导航系统不能在隧道、桥下有效定位,汽车就不能在复杂的立交桥上有效区分桥上桥下的情况。同时,对于应用复杂的军用车辆导航系统而言,除了导航应用外,它还包括复杂的地图数据处理、各种业务数据处理等功能。并且,较复杂的匹配计算在匹配区域切换时可能存在停顿,因而对匹配算法提出了更高要求。本文针对实际应用需求,对地图匹配算法的实现过程进行了深入研究,设计了一种具有强实时性,并对复杂路网匹配效果良好的地图匹配算法,论文的主要工作如下:(1)针对匹配计算时路网数据重组时间过长导致匹配停顿或延迟的问题,在基于优先级调度的多任务环境下采用“空间换时间”策略,实现了双缓存机制的路网数据访问方法。该方法首先在系统启动时申请了两块缓存空间,并采用基于节点-路段关联的匹配路网模型在前台缓存中组织路网数据。其次,建立高低任务优先级的主辅任务,高优先级的主任务在前台缓存中基于节点-路段关联模型进行实时匹配计算,而低优先级的辅任务则对后台缓存读取的区域路网数据进行预处理,有效减少了匹配搜索次数。同时,预先建立了新位置的节点-路段关联关系,避免了新位置的匹配切换引起的停顿问题。性能分析表明,双缓存策略实现了地图匹配的流畅运行,提高了路网数据的访问效率,保证了车辆的实时匹配。(2)针对嵌入式环境中匹配路网搜索时,路段形状点数量与搜索次数过多影响匹配实时性的问题,研究了基于匹配误差的自适应限差矢量数据压缩预处理方法。该方法在地图匹配过程中增加了带有反馈环节的矢量数据压缩模块,并应用改进的自适应限差Douglas-Peucker算法对区域路网数据进行压缩预处理。改进算法分别以地图精度、道路间距及匹配误差的最大似然估计值为输入参数,赋予适当的权值后将输出的加权平均值作为精度限差对路网数据进行矢量压缩。实验结果表明,与压缩前相比,压缩后的路段点数明显减少,说明路网预处理能够有效降低路网数据量,加快搜索速度,从而提高地图匹配的实时性。(3)针对二维地图匹配算法对立交桥、隧道等立体化路段的匹配精度相对较低的问题,设计了基于高程信息的改进D-S证据理论地图匹配算法。该算法首先根据有无历史定位信息采用不同的搜索方式确定候选道路集;其次,为了引入高程信息的作用,通过给出的自定义高程函数在位置信息证据及方向信息证据融合后的联合支持度函数中增加了一个高程因子,之后依据改进后的联合支持度函数结果判定匹配路段;最后,针对有效定位数据及缺失定位数据,分别采用正交投影法及推算定位法对定位结果进行修正。实验结果表明,相比传统的D-S证据理论法,改进算法有效提高了立交桥区域的匹配准确率,改善了匹配算法的处理性能。(4)在课题组开发的××导航定位系统中设计并实现了基于注册机制的构件化地图匹配组件,经过测试与验证,该构件能够满足系统的应用需求。
二、A Map-Matching Algorithm forGPS/DR Integrated Navigation Systems Basedon Dempster-Shafer Evidence Reasoning(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、A Map-Matching Algorithm forGPS/DR Integrated Navigation Systems Basedon Dempster-Shafer Evidence Reasoning(论文提纲范文)
(1)基于模糊逻辑的机场飞行区实时地图匹配算法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究的目的和意义 |
1.3 国内外研究现状 |
1.3.0 地图匹配算法问题描述 |
1.3.1 地图匹配算法研究现状 |
1.3.2 拓扑地图匹配算法参数 |
1.3.3 参数校准策略 |
1.3.4 基于模糊逻辑的参数校准方法 |
1.3.5 国内外现状综合评述 |
1.4 研究内容 |
1.5 技术路线 |
第2章 实时拓扑地图匹配算法设计 |
2.1 地图匹配算法参数选取 |
2.2 地图匹配算法设计 |
2.2.1 总体流程 |
2.2.2 初始匹配阶段 |
2.2.3 非交叉口匹配阶段 |
2.2.4 交叉口匹配阶段 |
2.3 本章小结 |
第3章 基于模糊逻辑的参数调整工具 |
3.1 训练实例选取 |
3.1.1 地图数据处理 |
3.1.2 区域划分 |
3.1.3 训练实例构建 |
3.1.4 实例环境特征提取 |
3.2 各因素影响分析 |
3.2.1 影响因素水平选取 |
3.2.2 多元线性回归分析 |
3.3 基于模糊逻辑的参数调整工具 |
3.3.1 模糊逻辑 |
3.3.2 模糊逻辑参数调整工具的设计 |
3.4 参数调整与算法调整 |
3.5 本章小结 |
第4章 飞行区运动目标实时监控系统 |
4.1 系统总体设计 |
4.1.1 系统设计目标 |
4.1.2 系统需求分析 |
4.1.3 系统功能分析 |
4.2 系统的开发平台与工具 |
4.2.1 Arc GIS Enterprise |
4.2.2 Arc GIS Geo Event Server |
4.3 系统详细设计 |
4.3.1 系统体系结构设计 |
4.3.2 系统架构图 |
4.3.3 系统数据流向 |
4.4 系统实例展示 |
4.5 本章小结 |
第5章 案例分析 |
5.1 基础数据及来源 |
5.2 参数调整 |
5.3 算法测试 |
5.4 对比分析与总结 |
5.5 本章小结 |
结论 |
参考文献 |
致谢 |
附录 |
(2)编组站机车车辆跟踪定位系统的研究与开发(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题的背景及意义 |
1.2 国内外列车定位系统的研究现状 |
1.2.1 列车跟踪定位理论研究现状 |
1.2.2 列车跟踪定位应用系统研究现状 |
1.3 本文主要工作 |
1.4 本文技术路线 |
2 相关概念与理论研究 |
2.1 编组站 |
2.1.1 编组站主要作业 |
2.1.2 编组站作业计划 |
2.2 RFID射频识别技术 |
2.2.1 RFID发展概况 |
2.2.2 RFID系统结构 |
2.2.3 RFID硬件组成 |
2.2.4 RFID工作原理 |
2.3 INS导航原理 |
2.3.1 加速度计 |
2.3.2 陀螺仪 |
2.3.3 INS误差模型 |
2.4 GPS卫星定位系统 |
2.4.1 GPS系统构成 |
2.4.2 GPS基本原理 |
2.4.3 GPS误差模型 |
2.5 信息融合技术 |
2.5.1 信息融合原理 |
2.5.2 典型的信息融合方法 |
2.5.3 Kalman滤波算法 |
2.5.4 扩展Kalman滤波算法 |
2.6 本章小结 |
3 编组站机车车辆跟踪定位系统方案设计 |
3.1 多传感器组合导航定位原理 |
3.1.1 组合定位系统基本结构 |
3.1.2 组合定位系统组合形式 |
3.2 跟踪定位系统需求分析 |
3.3 系统方案设计 |
3.3.1 系统总体设计 |
3.3.2 滤波模式选择 |
3.3.3 滤波器结构设计 |
3.3.4 系统工作原理 |
3.4 组合定位系统模型 |
3.4.1 组合定位系统状态方程 |
3.4.2 组合定位系统量测方程 |
3.5 仿真分析 |
3.6 本章小结 |
4 应用系统设计 |
4.1 系统开发环境 |
4.2 系统架构结构 |
4.3 系统数据库设计 |
4.3.1 SQL Server数据库介绍 |
4.3.2 数据库需求分析及设计 |
4.4 功能模块设计 |
4.4.1 系统登录模块设计 |
4.4.2 系统主界面设计 |
4.4.3 站场图元素设计 |
4.4.4 车辆查询模块 |
4.4.5 用户管理模块 |
4.5 数据采集与处理流程 |
4.6 本章小结 |
5 系统实现 |
5.1 登录界面 |
5.2 系统主窗体界面 |
5.3 编组站信息动态显示 |
5.3.1 编组站站场图 |
5.3.2 RFID标签布置 |
5.4 机车跟踪定位界面 |
5.4.1 菜单栏及界面说明 |
5.4.2 机车跟踪定位 |
5.5 车辆跟踪界面 |
5.6 用户管理模块 |
5.7 其他功能 |
5.7.1 安全生产时间设定 |
5.7.2 通信网络测试 |
5.7.3 规章制度 |
5.7.4 功能扩展 |
5.8 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(3)移动机器人环境识别与语义理解(论文提纲范文)
致谢 |
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.2.1 模块化架构下的环境感知 |
1.2.2 端对端架构下的指令映射 |
1.2.3 中间级架构的环境表示 |
1.3 本文研究内容和组织结构 |
第2章 端对端的一阶段三维物体快速检测模型 |
2.1 引言 |
2.2 二维图像物体检测网络:SSD |
2.2.1 卷积神经网络VGG16 |
2.2.2 多尺度分层回归 |
2.3 二维RGBD物体检测网络:3DSSD |
2.3.1 分层级特征融合 |
2.3.2 多尺度三维预测 |
2.4 实验结果 |
2.4.1 数据集 |
2.4.2 评估准则 |
2.4.3 模型准确度 |
2.4.4 多模态特征 |
2.4.5 分层级特征融合 |
2.5 本章小结 |
第3章 开集场景下融合未知类识别的鲁棒语义标注 |
3.1 引言 |
3.2 开集识别问题描述 |
3.3 语义标注模型建立 |
3.3.1 条件随机场 |
3.3.2 内含概率支持向量机 |
3.3.3 模型特征表示 |
3.4 基于条件求解的开集语义标注 |
3.5 基于D-S理论的开集语义标注 |
3.5.1 D-S理论基础出 |
3.5.2 概率融合策略 |
3.6 实验结果 |
3.6.1 数据集 |
3.6.2 评估准则 |
3.6.3 传统闭式求解 |
3.6.4 基于条件求解的开集标注 |
3.6.5 基于D-S的开集标注 |
3.7 本章小结 |
第4章 基于移动轨迹的道路可通行结构语义理解 |
4.1 引言 |
4.2 方法概述 |
4.3 道路局部可通行结构理解 |
4.3.1 空间序列同步 |
4.3.2 非参贝叶斯聚类 |
4.3.3 道路通行属性视觉标注 |
4.4 道路完整可通行结构理解 |
4.4.1 训练网络结构 |
4.4.2 测试网络结构 |
4.5 实验结果 |
4.5.1 实验数据 |
4.5.2 基于轨迹的通行属性标注 |
4.5.3 道路通行属性预测 |
4.6 本章小结 |
第5章 GPS粗定位和粗规划下的环境移动导引语义理解 |
5.1 引言 |
5.2 方法概述 |
5.3 移动导引语义学习 |
5.3.1 示教数据采集 |
5.3.2 cGAN-LSTM网络结构 |
5.3.3 训练初始化 |
5.4 基于移动导引语义的动作生成 |
5.5 实验结果 |
5.5.1 移动导引语义生成结果 |
5.5.2 运动指令生成结果 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 本文总结 |
6.2 工作展望 |
参考文献 |
攻读博士学位期间的主要研究成果 |
(4)高精度惯性定位定向/地图信息匹配导航技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 惯性定位定向系统现状及发展 |
1.2.1 国外定位定向系统发展 |
1.2.2 国内定位定向系统发展 |
1.3 地图匹配技术发展及现状 |
1.3.1 地理信息数据现状及发展 |
1.3.2 地图匹配算法现状及发展 |
1.3.3 地图空间索引技术现状及发展 |
1.4 惯性基信息融合技术 |
1.5 论文主要内容和章节安排 |
1.5.1 主要内容及贡献 |
1.5.2 章节安排 |
第二章 地图匹配方法及关键因素分析 |
2.1 地图匹配基本原理 |
2.1.1 地图匹配过程分析 |
2.1.2 地图匹配关键因素 |
2.2 传统地图匹配算法 |
2.2.1 传统地图匹配算法介绍 |
2.2.2 传统地图算法分析 |
2.3 地图匹配误差分析 |
2.3.1 地图数据误差 |
2.3.2 路网模型误差 |
2.3.3 地图匹配算法误差 |
2.3.4 其他误差 |
2.4 本章小结 |
第三章 数字矢量地图空间索引技术 |
3.1 数字地图数据库分析 |
3.1.1 数字地图空间数据结构 |
3.1.2 Shapefile格式中道路信息存储 |
3.2 基于惯性信息的地图索引建立 |
3.2.1 R树索引 |
3.2.2 基于Hilbert曲线编码的网格索引 |
3.2.3 路网拓扑关系 |
3.2.4 基于空间网格的Hilbert-R树地图索引方法 |
3.3 空间索引效率评估 |
3.4 本章小结 |
第四章 基于惯性定位轨迹和路径特征的地图匹配算法研究 |
4.1 候选路径选取 |
4.1.1 检索框确定候选路段集 |
4.1.2 深度遍历确定候选路径 |
4.2 匹配路径确定 |
4.2.1 道格拉斯-普克法处理定位轨迹 |
4.2.2 Frechet距离比较道路相似性 |
4.3 基于曲线几何特征的地图匹配算法 |
4.3.1 曲线曲率特征分析 |
4.3.2 特征路段匹配 |
4.4 地图匹配算法设计流程 |
4.5 仿真验证 |
4.5.1 仿真条件 |
4.5.2 仿真结果 |
4.5.3 结果分析 |
4.6 本章小结 |
第五章 惯性/里程计/地图匹配组合导航技术 |
5.1 惯性导航系统数学模型 |
5.1.1 坐标系定义及坐标转换 |
5.1.2 惯性系统误差模型 |
5.1.3 航位推算算法 |
5.2 惯性/里程计/地图匹配组合导航技术 |
5.2.1 卡尔曼滤波方程 |
5.2.2 惯性/里程计组合导航 |
5.2.3 惯性/里程计/地图匹配组合导航 |
5.3 仿真验证 |
5.3.1 仿真条件 |
5.3.2 仿真结果 |
5.3.3 结果分析 |
5.4 本章小结 |
第六章 嵌入式组合导航系统设计及试验验证 |
6.1 嵌入式系统硬件设计 |
6.2 嵌入式系统软件设计 |
6.2.1 软件功能说明 |
6.2.2 软件框架设计 |
6.3 车载试验验证 |
6.3.1 试验准备 |
6.3.2 试验结果 |
6.3.3 结果分析 |
6.4 本章小结 |
第七章 结论与展望 |
7.1 研究工作总结 |
7.2 主要创新 |
7.3 后期工作展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
附录A 随发射车跑车试验结果统计 |
(5)基于GPS轨迹的路网生成与地图匹配算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 路网生成算法的研究现状 |
1.2.2 地图匹配算法的研究现状 |
1.3 论文组织结构 |
第二章 相关技术介绍 |
2.1 全球卫星定位系统 |
2.1.1 GPS概述 |
2.1.2 GPS定位原理 |
2.1.3 GPS定位误差 |
2.1.4 地心坐标系 |
2.2 地理信息系统 |
2.3 路网生成 |
2.3.1 传统测绘技术 |
2.3.2 遥感图像处理技术 |
2.3.3 轨迹自动生成技术 |
2.4 地图匹配 |
2.4.1 基于几何分析的匹配算法 |
2.4.2 基于拓扑结构的匹配算法 |
2.4.3 基于概率分析的匹配算法 |
2.4.4 基于模糊逻辑的匹配算法 |
2.4.5 基于相关系数的匹配算法 |
2.5 本章小结 |
第三章 路网生成算法的设计 |
3.1 数据收集 |
3.2 数据预处理 |
3.2.1 方向属性计算 |
3.2.2 原始数据清洗 |
3.2.3 地心坐标系转换 |
3.2.4 区域栅格化 |
3.3 交叉口识别 |
3.3.1 候选栅格分析 |
3.3.2 交叉口估计 |
3.4 路网构造 |
3.4.1 关联性分析 |
3.4.2 道路曲线拟合 |
3.4.3 路网信息获取 |
3.5 本章小结 |
第四章 地图匹配算法的设计 |
4.1 数据预处理 |
4.1.1 数据插值 |
4.1.2 直角坐标系转换 |
4.1.3 确定误差区域 |
4.2 初始点匹配 |
4.3 路段匹配 |
4.4 交叉口匹配 |
4.5 本章小结 |
第五章 数据采集系统的设计与实现 |
5.1 系统架构 |
5.2 需求分析 |
5.3 系统设计 |
5.3.1 总体设计 |
5.3.2 欢迎界面模块设计 |
5.3.3 导入路径模块设计 |
5.3.4 添加新路径模块设计 |
5.3.5 数据采集模块设计 |
5.3.6 信息展示模块设计 |
5.4 系统实现 |
5.4.1 欢迎界面模块实现 |
5.4.2 导入路径模块实现 |
5.4.3 添加新路径模块实现 |
5.4.4 数据采集模块实现 |
5.4.5 信息展示模块实现 |
5.5 本章小结 |
第六章 算法实例验证 |
6.1 数据来源 |
6.2 路网生成算法实例验证 |
6.2.1 交叉口估计算法验证 |
6.2.2 路网构造算法验证 |
6.2.3 实验结果分析 |
6.3 地图匹配算法实例验证 |
6.3.1 初始点匹配算法验证 |
6.3.2 路段匹配算法验证 |
6.3.3 交叉口匹配算法验证 |
6.3.4 实验结果分析 |
6.4 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(6)基于多传感器信息融合的室内定位算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 课题的研究背景与意义 |
1.3 室内定位技术国内外发展现状 |
1.3.1 基于单一信息源的定位技术 |
1.3.2 基于多源信息融合的定位技术 |
1.4 论文创新点及组织结构 |
1.4.1 论文创新点 |
1.4.2 论文组织结构 |
第2章 信息融合技术基础概述 |
2.1 信息融合概念简介 |
2.2 信息融合的分类 |
2.2.1 基于处理层次的信息融合分类 |
2.2.2 基于融合结构的信息融合分类 |
2.3 信息融合的主要实现方法 |
第3章 基于改进的卡尔曼滤波器的融合定位算法 |
3.1 惯性定位系统 |
3.1.1 惯性传感器简介 |
3.1.2 惯性导航系统 |
3.1.3 惯性测量值预处理 |
3.1.4 惯性导航基本原理 |
3.2 视觉定位系统 |
3.2.1 k近邻算法原理 |
3.2.2 基于视觉特征的定位算法 |
3.3 基于改进的卡尔曼滤波器的定位算法 |
3.3.1 卡尔曼滤波器基本原理 |
3.3.2 基于卡尔曼滤波器的融合模型设计 |
3.4 实验设置 |
3.5 实验结果与分析 |
3.6 本章小结 |
第4章 基于全局特征和差分零速度校正的加权定位算法 |
4.1 基于图像全局特征的视觉定位方法 |
4.1.1 模糊C-均值聚类方法 |
4.1.2 聚类全局特征 |
4.2 差分零速度校正方法 |
4.2.1 基于传统零速度校正的行人航迹推算原理 |
4.2.2 基于差分统计的零速度校正方法原理 |
4.3 基于主成分分析的指标权重确定原理 |
4.4 实验结果与分析 |
4.4.1 聚类全局特征有效性验证 |
4.4.2 差分零速度校正实验结果 |
4.4.3 基于PCA的加权定位算法实验结果 |
4.5 本章小结 |
第5章 基于极限学习器和Dempster-Shafer证据理论的定位算法 |
5.1 极限学习器原理 |
5.1.1 神经网络概述 |
5.1.2 极限学习器基础原理简介 |
5.2 Dempster-Shafer证据理论原理 |
5.3 转角判定及处理 |
5.4 基于ELM和 D-S证据理论的定位算法 |
5.5 实验结果与分析 |
5.5.1 ELM不同隐含层节点设置下的算法性能比较 |
5.5.2 SURF特征数的选取 |
5.5.3 与仅基于图像的定位算法比较结果 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 未来工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(7)基于城市出行的时空轨迹数据处理关键技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 城市轨迹大数据的时代背景 |
1.1.2 轨迹数据处理的技术难题 |
1.1.3 轨迹数据处理技术的研究意义 |
1.2 国内外研究现状 |
1.2.1 地图匹配技术的研究现状 |
1.2.2 轨迹压缩技术的研究现状 |
1.2.3 轨迹特征提取研究现状 |
1.3 本文研究内容 |
1.4 论文组织结构 |
第2章 轨迹数据处理关键技术概述 |
2.1 地图匹配算法概述 |
2.1.1 实时匹配与后处理匹配 |
2.1.2 基于几何和拓扑信息的地图匹配算法 |
2.1.3 模糊逻辑匹配算法 |
2.1.4 其他匹配算法介绍 |
2.2 轨迹压缩算法概述 |
2.2.1 在线压缩与离线压缩 |
2.2.2 基于空间线简化的轨迹压缩算法 |
2.2.3 基于线简化的时空轨迹压缩算法 |
2.2.4 基于路网的轨迹压缩算法 |
2.3 本章小结 |
第3章 基于辐射圆的轨迹特征提取 |
3.1 基于辐射圆提取的轨迹特征 |
3.1.1 重要特征定义及说明 |
3.1.2 重要特征的实现算法 |
3.1.3 部分扩展特征定义及说明 |
3.2 RC-TCE方法的优点 |
3.2.1 基于RC提取的轨迹特征的优点 |
3.2.2 RC-TCE方法在应用中的突出表现 |
3.3 本章小结 |
第4章 新型地图匹配算法研究 |
4.1 内推-吸附式地图匹配(IRAMM)算法 |
4.1.1 IRAMM算法的基本思想 |
4.1.2 路网的规范化处理 |
4.1.3 建立候选匹配路段索引 |
4.1.4 轨迹数据预处理 |
4.1.5 内推吸附式匹配 |
4.2 基于辐射圆特征提取的在线地图匹配算法 |
4.2.1 算法的基本思想 |
4.2.2 拐弯/直行段轨迹的地图匹配 |
4.2.3 实验评测 |
4.3 地图匹配算法实验 |
4.3.1 数据准备与对比实验 |
4.3.2 实验评估指标 |
4.3.3 实验结果与分析 |
4.4 本章小结 |
第5章 轨迹压缩算法研究 |
5.1 基于IRAMM的轨迹压缩算法 |
5.1.1 算法的基本思想 |
5.1.2 停留事件标记及停留事件关键点 |
5.1.3 补充缺失的轨迹拐点 |
5.1.4 关键点提取 |
5.2 轨迹压缩误差度量指标 |
5.2.1 改进的TSED误差 |
5.2.2 RND误差 |
5.2.3 TD误差 |
5.3 基于IRAMM的轨迹压缩算法实验 |
5.3.1 数据准备和对比试验 |
5.3.2 实验结果分析 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 主要工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文与研究成果 |
(8)智能交通领域中地图匹配算法研究(论文提纲范文)
1 引言 |
2 地图匹配算法 |
2.1 几何匹配方法 |
2.2 基于拓扑关系的匹配方法 |
2.3 概率统计方法 |
2.4 先进匹配方法 |
2.4.1 模糊逻辑算法 |
2.4.2 基于D-S证据推理算法 |
2.4.3 卡尔曼滤波算法 |
2.4.4 先验知识方法 |
(9)车载网中基于低样本率数据集的地图匹配算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 定位技术研究现状 |
1.2.1 独立定位技术 |
1.2.2 地面无线电定位技术 |
1.2.3 卫星定位技术 |
1.3 本文主要工作内容 |
1.4 本文结构 |
第2章 地图匹配技术基础 |
2.1 电子地图与道路网络 |
2.2 地图匹配算法的基本原理 |
2.3 影响匹配精度的因素 |
2.4 地图匹配算法的研究现状 |
2.4.1 半确定性算法 |
2.4.2 基于位置信息与几何关系的地图匹配算法 |
2.4.3 基于相关性地图匹配算法 |
2.4.4 基于概率统计的匹配算法 |
2.4.5 基于模糊逻辑的地图匹配算法 |
2.4.6 基于D-S证据推理的匹配算法 |
2.4.7 基于样本率的匹配算法 |
2.5 小结 |
第3章 一种消除误计算的地图匹配算法 |
3.1 引言 |
3.2 相关工作 |
3.2.1 基于位置信息的地图匹配算法 |
3.2.2 基于全局/局部分析的地图匹配算法 |
3.2.3 基于不同样本率数据集的地图匹配算法 |
3.3 误计算 |
3.3.1 定义 |
3.3.2 误计算情况 |
3.3.3 产生误计算的必要条件 |
3.3.4 出现误计算的原因 |
3.4 MIV-Matching算法 |
3.4.1 候选预处理 |
3.4.2 位置分析 |
3.4.3 ST-Matching匹配过程 |
3.4.4 IVMM匹配过程 |
3.4.5 复杂度分析 |
3.5 实验 |
3.5.1 实验设置 |
3.5.2 评估方法 |
3.5.3 单次匹配结果 |
3.5.4 △dis的分布 |
3.5.5 位置相邻候选点数所对应的(?)分布 |
3.6 小结 |
第4章 一种基于方向模型的地图匹配算法 |
4.1 引言 |
4.2 轨迹信息以及相关工作 |
4.2.1 车辆的GPS轨迹信息 |
4.2.2 相关工作 |
4.3 方向模型 |
4.3.1 定义 |
4.3.2 样本点方向与道路方向之间的夹角 |
4.4 Dir-Matching算法 |
4.4.1 几何与拓扑分析 |
4.4.2 方向分析 |
4.4.3 影响因子建模 |
4.4.4 投票选路 |
4.4.5 复杂度分析 |
4.5 实验 |
4.5.1 试验参数选择 |
4.5.2 实验评估方法 |
4.5.3 △dis误差与频数分布 |
4.5.4 △dis方差与标准差分布 |
4.6 小结 |
第5章 基于Java与Google Earth的算法实验平台实现 |
5.1 Eclipse中文件读取模块 |
5.2 Eclipse中地图匹配算法模块 |
5.3 Eclipse中文件写入模块 |
5.4 地图匹配算法的实现 |
5.5 小结 |
结论 |
参考文献 |
致谢 |
附录A 攻读学位期间所发表的学术论文目录 |
附录B 攻读硕士学位期间所参与的科研活动 |
(10)车辆导航系统中复杂路网的地图匹配技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及选题意义 |
1.2 课题研究现状 |
1.2.1 车辆导航系统的研究现状 |
1.2.2 地图匹配算法研究现状 |
1.3 有待解决的问题 |
1.4 论文的主要内容及结构安排 |
1.4.1 论文研究的主要内容 |
1.4.2 论文研究的结构安排 |
第二章 地图匹配相关理论与多源地图匹配框架 |
2.1 地图匹配算法的基本原理 |
2.2 影响地图匹配算法的因素 |
2.2.1 影响实时性的因素 |
2.2.2 影响鲁棒性的因素 |
2.2.3 影响匹配精度的因素 |
2.3 地图匹配的常用算法 |
2.3.1 基于几何分析的地图匹配算法 |
2.3.2 基于概率统计的地图匹配算法 |
2.3.3 基于拓扑关系的地图匹配算法 |
2.3.4 基于权重的地图匹配算法 |
2.3.5 其他高级地图匹配算法 |
2.4 航向姿态参考系统的概述 |
2.4.1 载体的姿态表示 |
2.4.2 航姿参考系统的传感器原理 |
2.4.3 NAVI1600B航姿参考系统模块 |
2.5 多源地图匹配框架 |
2.6 本章小结 |
第三章 基于双缓存和矢量数据压缩的路网数据预处理技术 |
3.1 地图匹配中的数据访问流程 |
3.2 基于双缓存机制的路网数据访问策略 |
3.2.1 基于优先级和消息驱动的多任务调度机制 |
3.2.2 双缓存算法的基本原理 |
3.2.3 双缓存机制的访问策略 |
3.2.4 基于节点-路段关联的匹配路网模型 |
3.2.5 性能分析 |
3.3 基于匹配误差的路网数据预处理技术 |
3.3.1 路网数据的矢量压缩预处理 |
3.3.2 基于匹配误差的路网数据压缩算法 |
3.3.3 实验结果与分析 |
3.4 本章小结 |
第四章 基于高程信息的改进D-S证据理论地图匹配算法 |
4.1 候选路段的搜索计算 |
4.1.1 误差区域的确定 |
4.1.2 路段初始搜索 |
4.1.3 路段后续搜索 |
4.2 基于改进D-S证据理论的匹配路段确定方法 |
4.2.1 选择匹配路段的D-S证据理论法 |
4.2.2 D-S证据理论法存在的问题 |
4.2.3 基于高程信息的改进D-S证据理论法 |
4.3 定位结果的修正 |
4.3.1 正交投影法 |
4.3.2 推算定位法 |
4.4 地图匹配算法的流程 |
4.5 实验结果与分析 |
4.5.1 实验设置 |
4.5.2 实验结果与分析 |
4.6 本章小结 |
第五章 基于注册机制的构件化地图匹配组件设计与实现 |
5.1 系统概述 |
5.2 地图匹配构件的设计与实现 |
5.3 地图匹配功能的测试 |
5.4 本章小结 |
第六章 结束语 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简介 |
四、A Map-Matching Algorithm forGPS/DR Integrated Navigation Systems Basedon Dempster-Shafer Evidence Reasoning(论文参考文献)
- [1]基于模糊逻辑的机场飞行区实时地图匹配算法[D]. 徐思轲. 哈尔滨工业大学, 2020(01)
- [2]编组站机车车辆跟踪定位系统的研究与开发[D]. 汤振源. 兰州交通大学, 2020(01)
- [3]移动机器人环境识别与语义理解[D]. 马会芳. 浙江大学, 2020(01)
- [4]高精度惯性定位定向/地图信息匹配导航技术研究[D]. 刘峰. 国防科技大学, 2019(01)
- [5]基于GPS轨迹的路网生成与地图匹配算法研究[D]. 王少槐. 华南理工大学, 2019(01)
- [6]基于多传感器信息融合的室内定位算法研究[D]. 于航. 天津大学, 2018(06)
- [7]基于城市出行的时空轨迹数据处理关键技术研究[D]. 谢晓晓. 清华大学, 2018(04)
- [8]智能交通领域中地图匹配算法研究[J]. 周成,袁家政,刘宏哲,邱静. 计算机科学, 2015(10)
- [9]车载网中基于低样本率数据集的地图匹配算法研究[D]. 王志伟. 湖南大学, 2014(03)
- [10]车辆导航系统中复杂路网的地图匹配技术研究[D]. 肖维丽. 解放军信息工程大学, 2014(07)