首页|集成时空邻近与卷积网络车道级高精度定位算法

集成时空邻近与卷积网络车道级高精度定位算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Lane-level high-precision positioning algorithm based on integrated spatio-temporal proximity and CNN

滕文鑫、张建辰、邵杰

展开 >

河南大学地理与环境学院,河南开封475004

武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430070

自然资源部城市国土资源监测与仿真重点实验室,广东深圳5180384

河南大学河南省时空大数据产业技术研究院,河南郑州450000

河南大学黄河中下游数字地理技术教育部重点实验室,河南开封475004

首都师范大学附属红螺寺中学,北京101400

展开 >

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

自然资源部城市国土资源监测与仿真重点实验室开放基金

KF-2020-05-037

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(6)
  • 10