基于車(chē)輛軌跡數(shù)據(jù)的車(chē)道幾何和拓?fù)湫畔⑸煞椒?/h1>
2018-11-27 09:38:10EXTRACTINGLANEGEOMETRYANDTOPOLOGYINFORMATIONFROMVEHICLEFLEETTRAJECTORIESINCOMPLEXURBANSCENARIOSUSINGREVERSIBLEJUMPMCMCMETHOD
汽車(chē)文摘 2018年2期
（EXTRACTING LANE GEOMETRY AND TOPOLOGY INFORMATION FROM VEHICLE FLEET TRAJECTORIES IN COMPLEX URBAN SCENARIOS USING A REVERSIBLE JUMP MCMC METHOD）
高度自動(dòng)駕駛（HAD）技術(shù)的實(shí)現(xiàn)不僅需要高空間精度的地圖，而且還需要實(shí)際情況的信息。目前大多使用小型高度專(zhuān)業(yè)化的測(cè)量車(chē)輛來(lái)生成這樣的地圖。盡管如此，為了實(shí)現(xiàn)全市乃至全國(guó)范圍內(nèi)的覆蓋，基于龐大的車(chē)隊(duì)數(shù)據(jù)自動(dòng)化地圖更新機(jī)制的研究變得十分重要，因?yàn)橹挥惺褂眠@種方法才能獲得高度頻繁的測(cè)量。此外，與少數(shù)專(zhuān)用的高精度測(cè)量技術(shù)相比，處理不精確的質(zhì)量數(shù)據(jù)也需要高度的自動(dòng)化。因此，本文提出了一種從車(chē)輛軌跡數(shù)據(jù)（GPS或其他傳感器）生成車(chē)道精確的道路網(wǎng)絡(luò)地圖的方法。而且該方法允許利用聯(lián)接的車(chē)隊(duì)來(lái)生成HAD地圖。所提出的方法通過(guò)生成車(chē)道模型的基本構(gòu)建模塊，并且使用可逆跳躍馬爾可夫鏈蒙特卡羅方法來(lái)辨識(shí)模型參數(shù)。該方法適用于具有挑戰(zhàn)性的城市真實(shí)環(huán)境中不同軌跡精度水平的情況。
本文提出的從車(chē)隊(duì)運(yùn)動(dòng)數(shù)據(jù)中推導(dǎo)車(chē)道精度圖的新方法的工作原理為，在公開(kāi)可用的道路網(wǎng)絡(luò)圖上，將包含道路和交叉口的道路模型作為參數(shù)化區(qū)塊進(jìn)行初始化。然后使用可逆跳馬爾可夫鏈蒙特卡羅方法對(duì)道路模型進(jìn)行優(yōu)化和導(dǎo)出，以探索模型的參數(shù)空間從而找到輸入數(shù)據(jù)和模型之間最好的匹配。通過(guò)相關(guān)試驗(yàn)得出，所記錄的車(chē)輛軌跡數(shù)據(jù)在三個(gè)不同的精度水平的總平均位置誤差分別為1.65米、1.19米和0.20米。本文還將該方法與基于LIDAR的地面真實(shí)地圖進(jìn)行評(píng)估比較，對(duì)比較結(jié)果進(jìn)行定性和定量分析，都表明了該方法用于ADAS實(shí)際應(yīng)用的巨大潛力。目前，一條道路模型包括不變的街區(qū)和可變連接區(qū)塊兩方面信息，這使得它很難適應(yīng)實(shí)際情況。未來(lái)的研究工作，將計(jì)劃擴(kuò)展塊模型目錄的選項(xiàng)以便能夠涵蓋各種實(shí)際情況。此外，該方法將被擴(kuò)展為能夠?qū)С鲫P(guān)于道路標(biāo)記類(lèi)型的數(shù)據(jù)信息。
猜你喜歡
一半模型童話(huà)王國(guó)·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38 重要模型『一線(xiàn)三等角』中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50 重尾非線(xiàn)性自回歸模型自加權(quán)M-估計(jì)的漸近分布數(shù)學(xué)物理學(xué)報(bào)(2020年2期)2020-06-02 11:29:24 可能是方法不對(duì)意林原創(chuàng)版(2016年10期)2016-11-25 10:28:30 3D打印中的模型分割與打包光學(xué)精密工程(2016年6期)2016-11-07 09:07:19 用對(duì)方法才能瘦Coco薇(2016年2期)2016-03-22 02:42:52 四大方法 教你不再“坐以待病”！Coco薇(2015年1期)2015-08-13 02:47:34 捕魚(yú)小雪花·成長(zhǎng)指南(2015年4期)2015-05-19 14:47:56
（EXTRACTING LANE GEOMETRY AND TOPOLOGY INFORMATION FROM VEHICLE FLEET TRAJECTORIES IN COMPLEX URBAN SCENARIOS USING A REVERSIBLE JUMP MCMC METHOD）
高度自動(dòng)駕駛（HAD）技術(shù)的實(shí)現(xiàn)不僅需要高空間精度的地圖，而且還需要實(shí)際情況的信息。目前大多使用小型高度專(zhuān)業(yè)化的測(cè)量車(chē)輛來(lái)生成這樣的地圖。盡管如此，為了實(shí)現(xiàn)全市乃至全國(guó)范圍內(nèi)的覆蓋，基于龐大的車(chē)隊(duì)數(shù)據(jù)自動(dòng)化地圖更新機(jī)制的研究變得十分重要，因?yàn)橹挥惺褂眠@種方法才能獲得高度頻繁的測(cè)量。此外，與少數(shù)專(zhuān)用的高精度測(cè)量技術(shù)相比，處理不精確的質(zhì)量數(shù)據(jù)也需要高度的自動(dòng)化。因此，本文提出了一種從車(chē)輛軌跡數(shù)據(jù)（GPS或其他傳感器）生成車(chē)道精確的道路網(wǎng)絡(luò)地圖的方法。而且該方法允許利用聯(lián)接的車(chē)隊(duì)來(lái)生成HAD地圖。所提出的方法通過(guò)生成車(chē)道模型的基本構(gòu)建模塊，并且使用可逆跳躍馬爾可夫鏈蒙特卡羅方法來(lái)辨識(shí)模型參數(shù)。該方法適用于具有挑戰(zhàn)性的城市真實(shí)環(huán)境中不同軌跡精度水平的情況。
本文提出的從車(chē)隊(duì)運(yùn)動(dòng)數(shù)據(jù)中推導(dǎo)車(chē)道精度圖的新方法的工作原理為，在公開(kāi)可用的道路網(wǎng)絡(luò)圖上，將包含道路和交叉口的道路模型作為參數(shù)化區(qū)塊進(jìn)行初始化。然后使用可逆跳馬爾可夫鏈蒙特卡羅方法對(duì)道路模型進(jìn)行優(yōu)化和導(dǎo)出，以探索模型的參數(shù)空間從而找到輸入數(shù)據(jù)和模型之間最好的匹配。通過(guò)相關(guān)試驗(yàn)得出，所記錄的車(chē)輛軌跡數(shù)據(jù)在三個(gè)不同的精度水平的總平均位置誤差分別為1.65米、1.19米和0.20米。本文還將該方法與基于LIDAR的地面真實(shí)地圖進(jìn)行評(píng)估比較，對(duì)比較結(jié)果進(jìn)行定性和定量分析，都表明了該方法用于ADAS實(shí)際應(yīng)用的巨大潛力。目前，一條道路模型包括不變的街區(qū)和可變連接區(qū)塊兩方面信息，這使得它很難適應(yīng)實(shí)際情況。未來(lái)的研究工作，將計(jì)劃擴(kuò)展塊模型目錄的選項(xiàng)以便能夠涵蓋各種實(shí)際情況。此外，該方法將被擴(kuò)展為能夠?qū)С鲫P(guān)于道路標(biāo)記類(lèi)型的數(shù)據(jù)信息。
猜你喜歡
童話(huà)王國(guó)·奇妙邏輯推理(2024年5期)2024-06-19 16:03:38
中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2020年10期)2020-11-26 08:24:50
數(shù)學(xué)物理學(xué)報(bào)(2020年2期)2020-06-02 11:29:24
意林原創(chuàng)版(2016年10期)2016-11-25 10:28:30
光學(xué)精密工程(2016年6期)2016-11-07 09:07:19
Coco薇(2016年2期)2016-03-22 02:42:52
Coco薇(2015年1期)2015-08-13 02:47:34
小雪花·成長(zhǎng)指南(2015年4期)2015-05-19 14:47:56
