搜索资源列表
MapMatching
- 主要是关于车辆监控项目相关的地图匹配问题，算法再服务器实现，由于带宽和费用限制，每一个移动终端的GPS点在服务器端接收时时间间隔比较大，很难用正常的连续点的匹配算法，这里的三篇论文，值得一看-Mainly on the vehicle monitoring project-related issues of map-matching algorithm and then the server realize, because of bandwidth and cost constraints,
mapmatching
- 地图匹配算法,主要是设计地图匹配算法，地图匹配在导航中的重要应用-Map-matching algorithm is mainly designed to map-matching algorithm, map-matching in the navigation of the important applications of
Map-matching-algorithm
- 提出了基于模糊神经网络的新的地图匹配算法． 该算法综合了数字道路信息和GPS /DR 定位信息， 提取两个重要参数作为输入变量， 即定位点到候选路段的投影距离及定位航向与候选路段方位角差． 设计出了四层模糊神经网络及改进的收敛学习规则． 实验结果表明所提出的算法能很好地匹配车辆行驶路段位置．-Map matching algorithm based on fuzzy neural network
Map-matching-algorithm-research--
- 由于现有的地图匹配算法对算法的实时性和鲁棒性的研究相对较少，在提高地图匹配精 度的过程中对可用信息的利用不够，依据车辆运动的连续性，提出了基于计算几何的地图匹配算法。该算法能够快速的完成匹配候选道路的选取和匹配道路的确定。-Existing map-matching algorithm for real-time and robustness of the algorithm is relatively small, the use of the available information is
base-on-weight--map-match
- 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。 -This paper analyzes the map matching error sources, presents a weight-based map-matching algorithm. The algorithm con
GPS-real-time-map-match
- GPS数据如何实时地与GIS地图数据匹配已经成为GPS车辆导航系统中的关键问题之一。通过对GPS车辆导航中地图匹配问题的研究，认为可以采用误差缓冲区分析方法对GPS动态定位数据与GIS地图数据进行地图匹配。在实际应用中业已证明该方法效率高、可操作性强，有利于提高GPS车辆导航系统在应用中的精度和可靠性。-How real-time GPS data with GIS map data matching has become a GPS vehicle navigation system is o
GPS-car-guide-map-match
- 通过误差来源的分析和误差模型的建立，提出了一种车辆导航中GPS定位测量与数字地图实时配准的地图匹配算法，这使得在现有的基本硬件配置条件下，车辆导航定位精度更高。最后对算法进行了分析，并给出了统计结果。 -Through the analysis of sources of error and error model, proposed a vehicle navigation GPS positioning measurement and registration of real-time di
GPS-car-navigation-system
- GPS车载导航系统的地图匹配算法，并且给出了误差模型和算法描述以及算法的实现方法。-GPS car navigation system map-matching algorithm, and gives the error model and algorithm descr iption and algorithm implementation.
SLAM
- 本文研究了基于多传感器组合导航方法的SLAM，由于移动机器人无法通过单个传 感器得到可靠的信息，采用多传感器组合导航的方法可以很好的解决这个问题。本文用单个 CCD摄像头和里程计组合进行SLAM研究，并得到更准确的机器人位姿信息。首先用SIFT 算法对不同图像进行特征提取和匹配，得到本质矩阵，对它进行分解，可得到机器人的旋转 矩阵和平移向量(和实际相差一个比例因子)。然后，将它与里程计信息结合，得到机器人的 位姿。在此基础上，可以得到特征点在当前摄像机坐标系中的三维坐标，即创