第四章 地图匹配.ppt

第四章 地图匹配 §4.1 引言 地图匹配：利用数字化地图使得定位系统更加可靠、准确。 推算定位：由于传感器误差和积累，采取传感器校准和传感器融合技术，定位具有不确定性。解决这一问题——地图匹配系统。 4.2.2 概率统计算法 概率统计算法：要求推算定位的传感器误差在统计意义上被传播到位置决策中。 传感器误差和误差模型定义的椭圆形或矩形置信区域用于描绘出真实车辆位置所处的区域界限的轮廓。 由于传感器和路段取向的不确定性，可设置一个阈值允许算法处理接近于传感器检测取向的候选路段。 不同的统计方法定义误差区域，如等概率轮廓（CEP）。 基本思想：利用三维概率函数（PDF）定义一系列等概率轮廓。每一椭圆以相等的概率包括车辆的实际位置。 算法对路段表中的每条路段测试其连通性和邻近测试。 连通性测试检查路段是否与以前包含车辆位置的路段（上一周期）相连通。算法检查路段表中的每条路段是否与以前匹配的路段相连。 邻近测试检查表中的每一路段看看它是否同车辆实际行驶的以前匹配的路段非常接近。 4．3 基于模糊逻辑的地图匹配 1．模糊逻辑基础 模糊集理论是处理定性术语和概念的有效方法。 由美国著名控制论专家查德（L.A.Zadeh）教授于1965创立。 模糊逻辑提供了从模糊、不精确信息中获得确定性结论的一种简单方法。 1．1隶属函数（MF—Membership Function） “这个车辆的速度是高的”车速为100km/h，这个命题完全为真。99，98，91，80如何呢？ 对于80km/h，0.8是它的高的程度，也就是说如果车辆速度是80km/h，断言“这个车辆速度是高的”，真值为0.8。 1.2 模糊逻辑操作 简单断言：“车的安全性是好的”，“到下一行驶指令的距离是短的” 复合断言：“到下一行驶指令的距离是短的”“这辆车的速度是高的”和“车的安全性是好的” 1.3 模糊规则 IF这一车辆的速度为高AND到下一行驶指令的距离为短THEN发布下一行驶指令。 2．? 模糊推理过程 （1）模糊 （2）规则估算 （3）清除模糊 模糊：通过输入标定把输入值转化成程度（模糊值）。称为由输入标定的隶属函数建立确定值与模糊集的关系。 速度 高的速度 10 km/h 0.1. 50 0.5 100 1.0 规则计算: 计算每一输出标定的程度，即计算模糊集，隶属函数的推理机完成基于规则的模糊推理。 清除模糊: 把这些程度解释成相应结论的可信度量，它为整个推理过程进行最后决策。 1．? 基于模糊逻辑的算法 隶属函数，模糊逻辑操作。 具体过程（自学） 结论：常规地图匹配算法和基于模糊逻辑的地图匹配算法的基本原理是相同的，两种算法都用于识别车辆行驶的路段，并精确地确定车辆在该路段的位置以更新推算定位位置。 1 §4.4 其他地图匹配算法（自学）神经网络 §4.5 地图辅助传感器校准 地图数据；元素可用于校准距离传感器和角速度传感器。例如，利用地图匹配结果可检测和修正传感器误差。 由于没有绘制的道路，偏离道路行驶，绘制地图的人为误差和转换过程误差等，使得地图数据库可能不能提供精确信息。 推算定位和地图匹配系统的集成可以提高定位模块的性能。 由于误差的累积或地图存在误差，定位模块可能失败。 * * 图4.1 地图匹配和推算定位技术的比较 当推算定位指示车辆在地图上的某一位置时，车辆位置可被调整地图上的绝对位置，可清除累积误差。 地图匹配算法：车辆轨迹与数字地图数据库模块提供的路径相比较，可以把基于各种 传感器的车辆位置与道路网联系起来。当然要求数字地图必须相对准确。地面匹配主要是软件技术。 §4.2 常规地图匹配 思想：把车辆路线同接近以前匹配的已知道路相比较。形状与当前路线和先前匹配路线相似的道路被选为车辆的行驶道路。 4.2.1 半确定性算法 要求：提供车辆的初始位置和运动方向。设车辆在道路上，基于：车辆沿着预先确定的道路行驶的假设。 图4.2 转弯处修正DR传感器产生的累积误差 图4.3 一个简单的常规地图匹配算法 图4.6 表4.1 隶属函数 表4.2 模糊逻辑操作 如果A的真值是0.1，B的真值是0.8 A AND B＝min(0.1,0.8)=0.1 A OR B＝max(0.1,0.8)=