|
|||||
|
|
| 集成时空邻近与卷积网络车道级高精度定位算法 | |
| 作者姓名： | 滕文鑫 张建辰 邵杰 |
| 作者单位： | 1. 河南大学地理与环境学院;2. 武汉大学测绘遥感信息工程国家重点实验室;4. 河南大学河南省时空大数据产业技术研究院;5. 河南大学黄河中下游数字地理技术教育部重点实验室;6. 首都师范大学附属红螺寺中学 |
| 摘 要： | 提高车道水平定位精度是智能交通系统发展的重要技术之一。本文提出了一种新的车道级定位方法——时空邻近卷积神经网络(STP-CNN),利用时空附近(STP)动态细化候选匹配道路,再进一步采用个性化卷积神经网络(CNN)自适应识别最优匹配车道。该方法通过优化集成GPS、车速和惯性测量单元等参数,实现了厘米级和车道级车辆位置的平滑估计。试验结果验证了该方法的可行性和有效性。 |
| 关 键 词： | 卷积神经网络 深度学习 车道级定位 智能交通系统 时空邻近 地图匹配 |