GOCE������ģ�͵ľ�������

?????????????????????????????????????????????????????3?????棬??????????????????????????????3????????????????????????GPS/?????????????4?????????????“???????100 km????￡???????澫??±1 cm”????????|??????????????????????????|GOCE????????Ч???????????????????????????????     

一种顾及用户定位习惯的网络地图地名注记显示方法

传统的网络地图地名注记主要关注注记之间的冲突以及注记和要素的压盖问题,本文通过构建“引力区”、“避让区”和“外围区”建立一种突出用户定位习惯的地名注记显示规则,该规则适用于网络地图从全国级别（约1：2000万）到城市级别（约1：25万）点状地名注记的变化和显示。本文以全国各省会自治区直辖市、地级市、市辖区、县和县级市,以及部分乡镇点状地名注记为对象进行了可用性测试,结论表明该方法能够顾及用户定位地名习惯,较好地改善网络地图的易读性,可以显著提高地图的用户体验。     

GOCE重力场模型的精度评估

从累积大地水准面误差、几何水准面与重力水准面之差、不同频段重力场模型的组合3个方面,评估了欧空局发布的时域法、空域法、直接法3个模型的精度。频谱分析和北美实测GPS/水准结果表明,第4代直接法模型精度达到“空间分辨率100 km情况下,大地水准面精度±1 cm”的设计要求|直接法模型精度高于时域法模型和空域法模型|GOCE数据能有效地提高重力场中频、甚至高频信号的精度。     

面向点云退化的隧道环境的无人车激光SLAM方法

基于激光同时定位与地图构建(simultaneous localization and mapping,SLAM)技术,不仅能够实现车辆在未知环境下的实时定位,还能高效地获取环境的三维地理空间信息,近年来受到了无人驾驶领域的广泛关注.在几何结构匮乏的隧道中,仅依赖几何信息无法配准点云,因此传统激光SLAM方法难以在隧道中应用.为解决这一问题,本文在L OAM的基础上,提出一种点云强度信息增强的改进激光SLAM技术.首先,改进特征提取方法,提出基于点云柱面投影图的自适应特征提取方法,从单帧点云中提取直线、平面、地面和反射强度特征;其次,针对点云的几何特征配准在隧道中的退化问题,提出一种基于强度特征和强度地图的配准优化方法,自适应提取环境中的强度特征并根据强度特征的配准对车辆位姿进一步修正.试验结果表明,该方法较LOAM和HDL-Graph-SLAM具有更好的稳健性,能够在缺乏几何特征但强度特征丰富的隧道内实现稳定的定位和地图构建,定位精度提升了一个数量级.