导读:本文包含了车辆定位算法论文开题报告文献综述及选题提纲参考文献，主要关键词:定位分析模型,ST-DBSCAN聚类算法,HOV车道,GPS定位
车辆定位算法论文文献综述
刘云翔,陈斌,林涛,施伟[1]（2019）在《基于优化的ST-DBSCAN算法的智能手机及车辆定位模型》一文中研究指出为了降低HOV车道检测所需的建设成本和设备维护费用,进一步扩大监管区域,提出以优化ST-DBSCAN算法建立手机及车辆定位分析模型,能在一定程度上有效判断出在HOV车道上运行车辆的实际乘客数,为执行HOV车道中车辆实时监测提供一种新的辅助检测手段。通过采集道路上运行车辆及移动智能手机GPS和基站定位数据,运用优化的ST-DBSCAN聚类算法进行分类建立定位分析模型,计算出各个簇的关键对象度量值,根据HOV车道实际规定车载人数作为其最小支持度,满足最小支持度的数据集就是最后挖掘建立模型的依据。实验结果表明,该模型在HOV车道上的应用能有效辅助检测HOV车道车辆并有较高的检测准确率。(本文来源于《现代电子技术》期刊2019年21期）
刘畅[2]（2019）在《基于时差频差联合的道路行驶车辆定位算法研究》一文中研究指出随着我国高速公路的通行流量呈直线上升的趋势,对公路上行驶的各类车辆的状态监控就显得尤为重要。如何加强对于行驶车辆的监测,尤其是对于危险物品运输车辆的监控,成为解决道路安全的一个突出问题,因而建立全面智能化公路交通监测系统就具有很大的实际意义。本课题来自北京联宇路通公司实际项目——智能车道感知系统,系统由高速公路沿线路侧基站、车载标签和多功能智能化处理平台组成。项目总体目标是采用专用超宽带高频短程通信技术与复杂目标定位算法结合,实现车路一体大带宽无线网络通信和高精度车辆定位,并以此为基础构建基于大数据的高速公路运营与服务智能化监管决策平台。本文主要研究对运动车辆定位的算法。首先对基于信号到达时间差定位算法的原理进行推算,提出了Chan算法和Taylor算法结合的方法求解时差定位方程组,并确定了定位所需的基站个数。然后分析了基于多普勒频率差定位算法的计算原理,对频差算法在实际应用环境下的定位效果进行仿真,得到了定位基站的分布模型和定位系统的适用车辆类型。最后提出了时差频差联合的定位算法,确定了联合定位算法的计算方式,并对算法仿真分析,得出算法最佳的项目应用场景。通过本文得到的算法在实际系统中的测试,表明该算法可以对道路行驶车辆的位置坐标及行驶速度等信息进行比较准确的监测,为智能车道感知系统的实现提供了核心算法支撑。(本文来源于《内蒙古大学》期刊2019-04-08）
柳思健[3]（2018）在《基于卷积网络的车辆定位与细粒度分类算法》一文中研究指出为了在交通卡口对套牌车辆实现监管,弥补车牌识别系统的不足,提出了基于卷积网络的车辆定位与细粒度分类的快速识别算法。基于卡口中的拍摄图像,利用颜色信息与文字特征检测出车牌,扩大车牌区域生成车辆的推荐候选区域,构建区域回归网络与多标签分类网络实现候选区域的精细化和汽车车型的分类,并行2个卷积网络的提高算法的速度。采用自建的多标签车辆图像数据库(Zn Car)进行模型训练,用实际取得的交通卡口图像进行了测试。对比分析结果表明,该算法兼顾运行效率与准确率,能够为交通道口中车辆的识别提供新的解决方案。(本文来源于《自动化与仪表》期刊2018年07期）
罗文慧,董宝田,王泽胜[4]（2018）在《基于车路协同的车辆定位算法研究》一文中研究指出为解决道路交叉口车辆由于定位信号缺失或者延迟引起的车辆定位偏差较大的问题,提出了基于车路协同的协同地图匹配算法(cooperative map-matching, CMM).首先利用扩展Kalman滤波(extended Kalman filter,EKF)融合GPS与车载航位推算系统(vehicular dead reckoning, DR)信息作为协同地图匹配的预先定位;然后基于短程通讯技术实现车辆信息的交换与共享,在电子地图的基础上,利用道路约束实现车辆进一步定位.为了验证算法的有效性,搭建了模拟真实场景的仿真环境进行实验.研究结果表明:采用EKF融合GPS/DR数据的交叉口车辆定位平均偏差为9.09 m,相比GPS的14.31 m,定位偏差减小30.87%;采用CMM算法的交叉口车辆,当参与CMM车辆数为7时,平均位置偏差为4.5 m,参与CMM车辆数为10辆时,平均位置偏差为2.75 m,相比EKF定位偏差减小69.74%.(本文来源于《西南交通大学学报》期刊2018年05期）
迟洪鹏[5]（2017）在《基于环境自识别的地下无轨车辆定位导航算法研究》一文中研究指出介绍了地下无轨车辆自主导航驾驶技术的发展情况,分析了井下采矿装备的发展趋势,结合井下环境特点提出了基于环境自识别的井下无轨车辆的定位导航方法。介绍了地下巷道形状自识别定位导航原理,通过激光扫描仪扫描巷道环境完成自主驾驶。研究了利用激光扫描仪扫描路口等巷道形状完成定位导航的方法,对激光扫描匹配定位算法的具体过程进行了详细说明,利用加权最小二乘法对车辆航向误差、位置误差进行了校核修正。通过仿真分析,对车辆的航向角度误差和位置距离误差校核效果进行了比较,车辆校核后的平均航向误差只有车辆校核前航向误差的2.8%,车辆校核后的平均位置误差为车辆校核前的位置误差的23.1%。另外,对激光扫描环境匹配定位方法的局限性进行了分析,提出了利用航迹推算加激光测距/识别的组合定位导航方法。(本文来源于《公路交通科技》期刊2017年S2期）
王超[6]（2017）在《基于ZIGBEE无线传感器网络的车辆定位算法研究》一文中研究指出无线传感器网络(WSN)定位技术是除卫星定位技术之外非常热门的定位技术之一,主要应用在室内定位、智能交通和小区车辆位置监控等方面。与卫星定位技术比较其有低成本、低功耗的优点,但同时存在定位精度低、易受环境干扰等弊端,如何提升定位的精度和稳定性是国内外研讨的重要课题。本文主要研究了基于ZigBee的WSN定位算法。首先,本文在剖析WSN定位技术的优缺点和原理的同时,对比了ZigBee通信技术与其它通信技术的优缺点,阐明了ZigBee通信技术比较适合于无线传感器网络车辆定位技术上。其次,本文在分析了基于测距的加权质心定位算法的原理和缺点的同时,提出一种改进算法,并且在MATLAB平台上对改进算法的定位效果进行了分析。除此之外,本文还比较了不同数量的信标节点情况下的定位效果,结果表明信标节点数量越多定位精度更高。最后,本文在以CC2530为硬件平台的基础上进行软硬件设计,硬件上设计了协调器、信标节点和移动节点的硬件程序,软件上设计了PC端的上位机软件。针对RSSI值容易受环境影响的缺点,在信标节点的硬件程序中加入了优化算法。实验结果显示,加入优化算法提升了定位的稳定性,并且改进后的算法定位效果更好。(本文来源于《沈阳理工大学》期刊2017-12-05）
马帅[7]（2017）在《基于FPGA的MUSIC算法在车辆定位中的应用研究》一文中研究指出电子不停车收费系统(Electronic Toll Collection,ETC)已经在全国进行了联网,诸多省市的高速公路收费系统中采用了 ETC。由此可见,ETC在交通运输收费系统中具有重要的意义。随着技术发展,这种收费方式必将广泛应用于日常生活中的各种车辆收费场景。近年,汽车总量日益增长,人工收费方式(MTC)的公路收费站运行效率逐渐落后。而采用ETC系统能够减少车辆的通过时间,提高收费站的效率,是减少交通阻塞现象行之有效的手段。车辆定位系统是ETC系统重要的组成部分之一。研究车辆定位系统在ETC中的应用可以优化ETC系统的结构,提升ETC系统的性能。本文首先简要介绍了阵列信号处理技术的发展与现状。然后就DOA估计的基本原理与数学模型进行了研究。本文通过研究以下四种空间普估计算法:MUSIC算法、ESPRIT算法及MUSIC算法的改进算法Root-MUSIC算法、空间平滑MUSIC算法四种定位算法,在相同的参数下对这四种算法进行仿真。经过分析,提出了一种空间二维Root-MUSIC算法,并对算法进行了详细推导。(本文来源于《北方工业大学》期刊2017-05-31）
马杉[8]（2017）在《基于视觉里程计的无人驾驶车辆定位关键算法研究》一文中研究指出无人驾驶已成为汽车领域研究热点之一,而如何实现自主定位是无人驾驶的重点和难点之一。随着机器视觉的不断发展,视觉里程计已成为自主定位的重要选择。视觉里程计仅仅通过车载相机采集到的图像信息,基于相机成像模型与视觉几何学模型等来计算车辆的6自由度运动信息。本文从单目视觉里程计系统的基本原理出发,着重研究了里程计的关键算法,包括摄像机的标定、特征的检测与匹配、位姿估计。对于摄像机标定算法,针对传统的基于二维视觉测量的算法标定摄像机时,没有考虑摄像头畸变及标定误差的问题,本文结合张氏平面标定算法,提出了改进的基于二维平面迭代优化的摄像机内参数标定算法。该算法通过设定阈值对内参数进行多次测量,并通过LM算法对标定结果进行优化,进而提高了摄像机内参数标定精度。对于特征关联模块算法,针对用于无人驾驶车辆的视觉里程计实时性和车载计算资源的有限性,本文提出了一种基于Harris-SIFT相结合的图像特征提取算法。该算法先检测图像中的角点,根据角点分布情况将图像进行分块,再利用SIFT算法进行特征提取与描述。然后在Matlab平台上对传统的SIFT算法以及本文中的算法进行了仿真,从算法运行时间、尺度变换特性、视角变换特性以及对光照的敏感度方面对两种算法的性能进行了比较。实验结果证明,本文提出的算法在基本不影响特征点各种性能前提下减少了算法计算量。对于位姿估计模块算法,针对传统5点位姿估计算法实时性差的问题,提出一种快速位姿估计算法。该算法以基础矩阵的基本性质作为切入点,通过对极几何约束求解基础矩阵。并对其进行了仿真实验和实车离线实验。首先,通过仿真实验对算法的效率和精度进行了分析,然后基于奇瑞的智能车辆平台进行了离线实验,并将获得的运动估计与高精度GPS的定位结果进行对比。实验结果表明:本文提出的位姿估计算法在不降低运动估计结果精度的前提下,减少了算法的实现复杂度。(本文来源于《南京航空航天大学》期刊2017-03-01）
姚锟,任维政[9]（2015）在《基于多模差分融合的高速车辆定位算法》一文中研究指出针对车辆高速运动下定位延时大、精度低、稳定性差的问题,发挥GPS、RSSI和INS叁种定位模式的各自优势,将GPS差分校准算法与RSSI测距相结合求解横坐标,将RSSI测距与INS惯导迭代算法相结合求解纵坐标,提出了一种适合高速运动车辆的多模差分融合精确定位算法;以四车道的高速路为场景进行了仿真实验,当车速为70 km/h时,跟踪误差<1 m,定位延时<0.2 s;实验结果表明,该算法可实现车身级和车道级定位,在精确交通诱导、车辆防撞等智能交通领域具有应用前景和推广价值。(本文来源于《计算机测量与控制》期刊2015年07期）
卞月根,张伟[10]（2015）在《基于非线性卡尔曼滤波的车辆定位优化算法》一文中研究指出智能交通系统(ITS)是未来交通系统发展的重要趋势,为了实现智能交通所提供的各种功能,必须获知车联网中车辆的准确位置。因此,如何快速准确地实现车辆定位是现代智能交通系统所要研究的一个重要问题。实际系统中一般都是非线性系统,所以需要采用非线性的卡尔曼滤波算法。文中采用了非线性无迹卡尔曼滤波算法。无迹卡尔曼滤波在车辆运动状态发生突变时,车辆定位精度有所下降。为了提高无迹卡尔曼滤波算法在车辆运动状态发生突变时的定位精度,文中将自适应的交互多模算法和无迹卡尔曼滤波算法相结合,进一步提高了车辆的定位精度,同时也更能适应车辆的各种机动运动状态。仿真实验结果表明,交互多模无迹卡尔曼滤波算法的定位精度相较于无迹卡尔曼滤波算法有显着提升。(本文来源于《计算机技术与发展》期刊2015年08期）
车辆定位算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国高速公路的通行流量呈直线上升的趋势,对公路上行驶的各类车辆的状态监控就显得尤为重要。如何加强对于行驶车辆的监测,尤其是对于危险物品运输车辆的监控,成为解决道路安全的一个突出问题,因而建立全面智能化公路交通监测系统就具有很大的实际意义。本课题来自北京联宇路通公司实际项目——智能车道感知系统,系统由高速公路沿线路侧基站、车载标签和多功能智能化处理平台组成。项目总体目标是采用专用超宽带高频短程通信技术与复杂目标定位算法结合,实现车路一体大带宽无线网络通信和高精度车辆定位,并以此为基础构建基于大数据的高速公路运营与服务智能化监管决策平台。本文主要研究对运动车辆定位的算法。首先对基于信号到达时间差定位算法的原理进行推算,提出了Chan算法和Taylor算法结合的方法求解时差定位方程组,并确定了定位所需的基站个数。然后分析了基于多普勒频率差定位算法的计算原理,对频差算法在实际应用环境下的定位效果进行仿真,得到了定位基站的分布模型和定位系统的适用车辆类型。最后提出了时差频差联合的定位算法,确定了联合定位算法的计算方式,并对算法仿真分析,得出算法最佳的项目应用场景。通过本文得到的算法在实际系统中的测试,表明该算法可以对道路行驶车辆的位置坐标及行驶速度等信息进行比较准确的监测,为智能车道感知系统的实现提供了核心算法支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车辆定位算法论文参考文献
[1].刘云翔,陈斌,林涛,施伟.基于优化的ST-DBSCAN算法的智能手机及车辆定位模型[J].现代电子技术.2019
[2].刘畅.基于时差频差联合的道路行驶车辆定位算法研究[D].内蒙古大学.2019
[3].柳思健.基于卷积网络的车辆定位与细粒度分类算法[J].自动化与仪表.2018
[4].罗文慧,董宝田,王泽胜.基于车路协同的车辆定位算法研究[J].西南交通大学学报.2018
[5].迟洪鹏.基于环境自识别的地下无轨车辆定位导航算法研究[J].公路交通科技.2017
[6].王超.基于ZIGBEE无线传感器网络的车辆定位算法研究[D].沈阳理工大学.2017
[7].马帅.基于FPGA的MUSIC算法在车辆定位中的应用研究[D].北方工业大学.2017
[8].马杉.基于视觉里程计的无人驾驶车辆定位关键算法研究[D].南京航空航天大学.2017
[9].姚锟,任维政.基于多模差分融合的高速车辆定位算法[J].计算机测量与控制.2015
[10].卞月根,张伟.基于非线性卡尔曼滤波的车辆定位优化算法[J].计算机技术与发展.2015
标签：定位分析模型; ST-DBSCAN聚类算法; HOV车道; GPS定位;