集成时空邻近与卷积网络车道级高精度定位算法
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.
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
P228(大地测量学)
自然资源部城市土地资源监测与仿真重点实验室开放基金KF-2020-05-037
2022-07-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-5,61