集成时空邻近与卷积网络车道级高精度定位算法

作     者：滕文鑫 张建辰 邵杰 TENG Wenxin;ZHANG Jianchen;SHAO Jie

作者机构：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 首都师范大学附属红螺寺中学北京101400 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 

出 版 物：《测绘通报》 (Bulletin of Surveying and Mapping)

年 卷 期：2022年第6期

页      面：1-5,61页

核心收录：

学科分类：08[工学] 0838[工学-公安技术] 

基　　金：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) 

主　　题：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 

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。