粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。

基于矢量道路栅格化的海量浮动车数据快速处理

针对海量浮动车数据特点和快速处理要求,提出了一种基于矢量道路地图栅格化的海量浮动车数据方法,该算法的关键是矢量道路栅格化过程中包括了道路缓冲区和属性信息。道路缓冲区的宽度由一个与浮动车数据位置误差和道路宽度相关的置信区域决定;矢量道路缓冲区转换成栅格图后,栅格图中像素的位置对应着实际地理坐标,而像素值的灰度值表示道路的等级、名称、编号等属性或方向等信息;然后将海量浮动车数据与栅格道路地图进行叠加处理。这种方法不仅可以精确地计算出城市道路地图坐标系与浮动车数据坐标系之间的变换参数,而且还能够快速地获取区域路网以及特定道路的行驶速度。最后,通过超过一千万个真实的武汉市浮动车数据,并与经典的浮动车数据处理算法进行比较,验证了矢量道路栅格化方法处理海量浮动车数据的可行性和有效性。

依托道路矢量拓扑信息无依托新型航天发射技术

无依托航天机动发射技术是一种涉及多学科交叉的热门工程应用技术,急需攻克其无依托、高精度、快速、低成本等核心关键技术。提出一种依托道路矢量拓扑信息无依托航天机动发射技术,设计一种基于路网曲线特征和惯性测量的数据融合方法,利用已有道路网的曲线特征与惯导轨迹进行匹配,保证机动过程中,“即停即发”高精度无依托发射技术,具有很高的应用价值。阐述了所提方法的基本架构、原理,并通过建模、仿真、实际跑车试验验证所提算法的可行性。

栅格地图道路的快速矢量化方法研究与实现

以彩色数字栅格地图道路数据为处理对象,提出一种基于可变矩形跟踪框技术快速矢量化道路类线要素的方法。在确定道路矢量化规则的基础上,通过采用可变矩形跟踪框技术,结合端点(交点)判断及道路惯性延伸点判断方法实行栅格地图道路的快速矢量化,并克服了当前几种常用矢量化方法的不足。实验结果表明该方法的矢量化效果十分理想。

基于道路网格索引的无线通信基站定位与实现

为了促使无线通信基站定位技术进一步用于解决用户定位信息与空间地图信息匹配的问题,该文提出了一种基于话单的道路定位算法:针对移动场景,在基站定位过程中结合话单定位参数信息和空间道路信息,实现了将用户直接定位到道路上的目标;对矢量道路进行解析并采用网格索引技术建立索引,设计过滤条件对算法进行优 化,提高了定位的求解速度。以实际话单进行测试,得到了合适的网格化步长参数,通过对定位精度进行分析,证明了该算法的可行性和有效性。该算法可进一步提高基站定位技术的应用范围,对5G及物 联网技术也将有重要意义。

AudioMan中方向矢量提取算法的研究和实现

提出了一种电子行走辅助(ETA)系统模型--AudioMan用于辅助盲人行走,盲人用户通过它的声音提示,来判断当前环境的情况。其重要研究内容之一是如何正确提取环境方向矢量。对提取过程中的两个主要步骤:边缘检测算法和道路偏转矢量的计算作了详细的介绍,针对现实生活中的盲道所做的实验获得了比较满意的效果。

面向对象的高分辨率遥感影像道路损毁识别研究

道路损毁信息在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用e Cognition软件对芦山震后0.2 m航空遥感影像进行了道路损毁信息的提取试验。试验中结合GIS信息,首先将基于现有的道路矢量线文件生成的道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。

云台场景下高速公路异常事件自动检测系统

高速公路外场普遍安装有PTZ云台摄像机,由于云台摄像机转动后不会回到预置点角度,使视频镜像内背景变换无规律,常规的车辆检测系统无法有效工作。本文提出了一种高速公路异常事件检测技术,以解决云台场景下检测难题。先采用背景差分法提取运动场景并采用深度卷积网络识别车辆目标,然后使用Camshift算法提取车辆特征并实现轨迹跟踪,之后生成车辆运动轨迹矢量场,最后通过比对异常车辆轨迹矢量与正常车辆轨迹矢量发现异常事件,并基于SVM算法提高事件类型判定的精准度。路测实验结果表明,本文提出的技术能够有效及时检测出停车、逆行、行人、抛洒物等交通异常事件,具有较高的实时性和准确性。