基于稀疏地图坐标的智能车导航路径生成与优化

合集下载

巡线导航智能车的路径优化

巡线导航智能车的路径优化章登鹏;谭彧【摘要】Aiming at conventional smart car small visual range which affects path optimization, this paper proposes a control system of intelligent line-tracking vehicle with large vision based on servo driven sensor movement.It installs a servo driving motion sensor, increases the sensor range of the path identification.It uses a local path optimization, construction of a transitive relation, to create a mapping between sensor data and intelligent control of vehicle driving.Experimental results show that, installing a servo drive motion sensor and using a local path optimization, this control system increases path identification range, improves driving performance and the reliability of search lines, and increases the speed of transmission line.%针对现实应用中的巡线导航智能车道路检测范围小、路径规划困难的问题,提出增加传感器随动舵机的巡线导航智能车路径优化算法.安装随动摆头舵机带动传感器运动,增大传感器的路径识别范围.采用局部路径优化的厅法,构建一个导航传递关系,用以在传感器数据和智能车行驶控制之间建立映射.实验结果表明,增加传感器随动舵机的巡线导航智能车在采用路径优化算法之后视觉范围增大,能改善巡线导航智能车的行驶性能,提高了寻线的可靠性,增大了巡线速度.【期刊名称】《计算机工程》【年(卷),期】2011(037)001【总页数】3页(P184-186)【关键词】智能车;导航;路径优化【作者】章登鹏;谭彧【作者单位】中国农业大学工学院,北京,100083;中国农业大学工学院,北京,100083【正文语种】中文【中图分类】TP3911 概述寻线导航是移动机器人的寻航方式之一，机器人能够寻着白色地面上的标志黑线自主行驶[1]。

基于LSSVM的高速列车智能定位及在线稀疏优化方法

基于LSSVM的高速列车智能定位及在线稀疏优化方法程瑞军，宋永端，ieee高级成员，陈德旺，ieee高级成员，陈龙，ieee成员摘要：对于高速列车（HST），快速准确的定位对高速列车的安全有效运行至关重要。

本文通过分析由高速列车生成的定位报告，建立了一个数学定位模型。

然后，我们应用两种稀疏优化算法，即迭代剪枝误差最小化（ipem）和乙范数最小化算法，来改善最小二乘支持向量机（lssvm）和加权lssvm模型的稀疏性。

此外，为了提高所建立的定位模型的适应性和实时性，开发了四种在线稀疏学习算法lssvm-online、ipem-online、lo-norm-online和hybrid-online，对lssvm的训练数据集进行稀疏化和参数在线更新。

最后，利用京沪高铁(BS_HSR)的现场数据对建立的定位模型进行了性能测试。

该方法克服了lssvm模型存在的存储约束和高计算成本的问题，使得lssvm模型具有很高的稀疏性。

在京沪高铁实际数据集上的实验表明，这些方法在减少定位误差的前提下，实现了稀疏模型，提高了在线更新过程的实时性。

为了提高在线稀疏算法的收敛速度，当高速列车每次通过应答器时，可以更新定位模型。

关键词：高速列车，定位误差，最小二乘支持向量机，在线稀疏优化，迭代剪枝误差最小化，lo范数最小化。

一，引言列车控制系统是高速列车（hst）中最安全的关键单元之一[1]，[2]。

列车定位精度是高速列车安全可靠运行的关键。

目前，定位精度主要依赖于定位设备。

以往的研究主要集中在提高定位设备的性能上，或者通过增加额外的设备（如雷达和/或全球定位系统（gps接收器）来提高高速列车的定位精度[3]、[4]。

随着gps技术的飞速发展，它已在许多工程领域得到应用。

然而，增加额外的设备显然增加了列车控制系统的成本、复杂性和不可靠性，特别是gps设备的接收信号在很大程度上依赖于环境和天气条件。

在我国，铁路覆盖面积比其他任何国家都要大，高速铁路的运营环境在全国范围内必然是复杂多变的。

Dijkstra最短路径优化算法在汽车导航的研究及实现

应用研究
为了验证改进的Dijkstra最短路径算法的优越性，我们选取了城市导航系统作为应用领域进行实验。城市导航系统需要解决从起点到终点的最短路径问题，同时需要考虑交通拥堵、道路状况等因素。我们将改进的Dijkstra算法应用于城市导航系统中，通过对比实验发现，改进的Dijkstra算法相比传统Dijkstra算法具有更高的寻路速度和更精确的导航效果。
引言
在图形和网络中，找到两个节点之间的最短路径是许多应用领域共同面临的问题。Dijkstra最短路径算法是一种常用的解决此类问题的算法，它以起始节点为起点，逐步扩展到整个图，直到找到最短路径。然而，该算法在处理大型图或某些特殊图时，存在一定的性能瓶颈。因此，本次演示提出了一种改进的 Dijkstra最短路径算法，以提高其在不同应用场景下的性能。
改进的Dijkstra最短路径算法
针对上述问题，本次演示提出了改进的Dijkstra最短路径算法。新算法引入了两个关键思想：首先是预计算距离，即在算法开始前，预先计算出每个节点到起始节点的距离，以避免在每次迭代中重新计算；其次是引入跳跃点概念，即在进行节点扩展时，通过判断是否满足跳跃点条件，直接跳过部分节点，以减少计算量和存储开销。
在实验中，我们采用了真实城市的道路网络数据，并将车辆的实际行驶速度作为权重因素考虑进去。通过模拟车辆行驶过程，分别用传统Dijkstra算法和改进的Dijkstra算法寻找最短路径。实验结果表明，改进的Dijkstra算法在寻找最短路径时具有更高的效率和更低的误差率，证明了改进算法的优越性。
2、初始化所有节点到起始节点的距离为无穷大； 3、初始化优先队列，将所有未访问节点加入队列中；
4、从优先队列中取出距离最小的节点，扩展该节点的所有邻居节点，并更新它们到起始节点的距离；

车辆自组网中的协同通信与路由优化

车辆自组网中的协同通信与路由优化随着智能交通系统的发展，车辆自组网（VANET）成为现代城市交通管理中一种重要的通信网络技术。

车辆自组网通过车辆之间的通信，实现交通安全和效率的提高，为驾驶员提供实时的交通信息和协同决策。

在车辆自组网中，协同通信和路由优化是关键的技术，下面将介绍这两个方面的内容。

一、协同通信协同通信是车辆自组网中的基础，它通过车辆之间的通信实现信息的共享和协同处理。

主要包括以下几个方面：1. 数据共享车辆自组网中的车辆可以共享实时的交通信息，如交通流量、道路条件和车辆位置等。

这些信息对于车辆的驾驶者和交通管理部门来说都非常重要。

通过共享这些信息，可以提前做出决策，如选择最佳路径、避开拥堵区域等。

2. 动态路由车辆自组网中的车辆可以根据交通状况动态调整路由。

当出现拥堵或事故时，车辆可以通过接收其他车辆发送的信息，选择更快、更安全的路径。

这种动态路由的方法可以极大地提高交通效率。

3. 网络管理协同通信需要对车辆自组网中的网络进行管理。

这包括网络拓扑管理、节点发现和加入、数据包转发等。

网络管理的目标是保持网络的连通性和稳定性，在车辆频繁加入和离开的情况下，保持网络的正常运行。

二、路由优化路由优化是车辆自组网中的关键问题，它决定了信息的传输效率和网络的可靠性。

下面介绍几种常见的路由优化方法：1. 基于位置的路由基于位置的路由是根据车辆的位置信息选择最佳路径的方法。

它通过计算车辆之间的距离和相对位置，选择最短的路径进行数据传输。

这种方法简单有效，适用于车辆密集的城市道路。

2. 基于拓扑的路由基于拓扑的路由是根据车辆之间的连接关系选择最佳路径的方法。

它通过建立车辆之间的邻居关系和路由表，选择最佳的下一跳节点进行数据传输。

这种方法适用于车辆稀疏的乡村道路。

3. 多路径路由多路径路由是为了提高网络的可靠性而提出的。

它允许数据在多条路径上同时传输，一旦某条路径出现故障或拥堵，数据可以通过其他路径继续传输。

基于Dubins路径的智能车辆路径规划算法

收稿日期：2015-05-10修回日期：2015-06-09基金项目：山西省科技攻关基金资助项目（20130321005-04）作者简介：宋国浩（1990-），男，山东曲阜人，在读硕士研究生。

研究方向：机械工程、智能车辆。

*摘要：路径规划是车辆智能化的核心问题之一，而所有路径均可分解为简单的Dubins 路径。

在Dubins 路径的思想下对智能车辆的行驶路径进行分段研究，并利用经典PID 控制对该算法的执行性能进行检验。

研究表明：算法能计算出车辆行驶的最短路径，减少了车辆行驶的路径长度，缩短了行驶时间，减少了控制系统的计算量，提高了车辆执行系统的执行力度，降低了执行误差，对最优路径具有较好的选择性。

关键词：智能车，路径规划，Dubins 路径，最短路径中图分类号：TP273+.1文献标识码：A基于Dubins 路径的智能车辆路径规划算法*宋国浩，黄晋英，兰艳亭（中北大学机械与动力工程学院，太原030051）Intelligent Vehicles Path Planning Algorithm Based on Dubins PathSONG Guo-hao ，HUANG Jin-ying ，LAN Yan-ting（School of Mechanical and Power Engineering ，North University of China ，Taiyuan 030051，Chian ）Abstract ：The path planning is one of the core issues of intelligent vehicles.All paths can bedecomposed into Dubins path.This paper sectionally researches into the intelligent vehicles ’travelpath under the idea of Dubins path and carries out tests on the execution performance of the algorithm using PID control strategy.Researches showed that this algorithm can calculate the vehicles ’shortest path ，reduce the vehicles ’path length ，shorten the time of driving ，reduce the computation amount of the control system ，improve the enforcement of the vehicle execution system ，reduce the execution error ，and have a good selectivity of the optimal path.Key words ：intelligent vehicles ，path planning ，dubins path ，the shortest path 0引言路径规划应用在很多领域，例如：军事无人机、航天探测机器人、智能车辆以及监视和侦察等工作［1-3］。

用于自主车辆导航的稀疏地图[发明专利]

专利名称：用于自主车辆导航的稀疏地图
专利类型：发明专利
发明人：A.沙苏哈,Y.格达尔雅胡,O.斯普林格,A.赖斯曼,D.布朗斯坦,O.布伯曼,S.沙莱夫-施瓦兹,Y.塔耶布,I.塔比
斯,D.休伯曼,L.贝莱什,G.斯坦,A.费伦茨,G.海因,S.鲁
宾斯基,Y.阿维尔
申请号：CN201680021179.6
申请日：20160210
公开号：CN107438754A
公开日：
20171205
专利内容由知识产权出版社提供
摘要：提供了系统和方法以用于构建、使用、和更新用于自主车辆导航的稀疏地图。

在一个实施方式中，非瞬时性计算机可读介质包括用于沿着路段的自主车辆导航的稀疏地图。

稀疏地图包括用于沿着路段的自主车辆的目标轨迹的多项式表示、和与路段相关联的多个预定的地标，其中多个预定的地标隔开至少50米。

稀疏地图具有不多于每千米1兆字节的数据密度。

申请人：御眼视觉技术有限公司
地址：以色列耶路撒冷
国籍：IL
代理机构：北京市柳沈律师事务所
代理人：胡琪
更多信息请下载全文后查看。

基于遗传算法的智能车行驶路线优化

车的全程里程数最小值为 288.748 米，耗时也最少。
关键词：智能车；遗传算法；电机驱动；IR2104 芯片；舵机模块；LT1764 稳压器
中图分类号：TN911
文献标识码：A
文章编号：1674-6236（2019）06-0083-04
Optimization to intelligent vehicle driving route based on genetic algorithm
历所有站点，通过预先输入各个站点的地理坐标，然后采用遗传算法优化行车路线，对需要经过的
各个站点进行排序。小车的电机驱动采用 IR2104 芯片，舵机模块的供电采用 LT1764 稳压器。最
后以 20 个站点为例进行仿真实验，实验结果表明：根据 20 个站点的坐标随机规划的路线重复性较
大，经过遗传算法优化后的智能车行车路线覆盖每个站点，而且每个站点只经过 1 次，从而让智能
智能车硬件系统主要包括控制单元、电源模块、
基金项目：四川省教育厅重点项目（17ZA0045）
作者简介：李勇（1978—），男，四川苍溪人，硕士，副教授。研究方向：人工智能和物联网技术。
- 83 -

《电子设计工程》2019 年第 6 期
电机驱动模块、舵机模块。智能车运行的快慢取决于驱动模块和电机转速部分，而行车轨迹取决于对舵机的控制。
人工智能技术的发展已经影响着人类的日常生现对舵机转向和电动机转速进行控制[4]；将“目标导
活，智能小车成为人工智能领域的研究热点之一。向设计”方法运用到智能汽车操作系统设计中来， [5]

基于稀疏点云的ADAS三维地图构建方法

基于稀疏点云的ADAS三维地图构建方法姚远;王玥;胡庆武【摘要】提出了一种基于机载LiDAR稀疏点云与已有道路二维导航地图快速构建ADAS三维地图的方法。

通过稀疏点云与导航地图拓扑叠加分析和三维空间关系检验，实现了对复杂道路结构的高程平滑和面向ADAS的道路三维地图构建。

以香港地区ADAS地图为例，采用该方法进行了三维地图构建。

结果表明，该方法合理且效率高，精度满足先进自动驾驶三维地图要求。

【期刊名称】《地理空间信息》【年(卷),期】2016(014)007【总页数】4页(P59-61,64)【关键词】ADAS;机载LiDAR;三维地图;高程平滑【作者】姚远;王玥;胡庆武【作者单位】武汉大学遥感信息工程学院，湖北武汉 430079;武汉大学遥感信息工程学院，湖北武汉 430079;武汉大学遥感信息工程学院，湖北武汉 430079【正文语种】中文【中图分类】P28谷歌的智能驾驶是基于导航技术的，它结合地图数据、GPS数据以及在行驶过程中对周围环境的探测来决定如何行驶[1]。

精确的地图数据在智能驾驶的实现中非常重要，利用地图数据可预知前方道路状况以决定是否需要增减油门[2]，并可在高程约束下选择最优路径。

地图数据作为一种新的传感器，在ADAS中应用广泛，LI Kang[3]等提出实时构建道路曲率以支持ADAS应用的思路；Thomas B[4]等构建了一种实时更新与测试ADAS地图的方法；LU Meng[5]等研究了在ADAS的使用中如何利用地图有效减少交通事故的发生；李德毅[6]提出的智能驾驶需要高精度三维导航地图，但现存导航地图多以二维为主，缺少高程信息，实用性不强。

近年来，机载LiDAR作为精确、快速获取三维数据的技术正得到广泛认同[7]。

通过高速激光扫描测量的方法，大面积快速获取被测对象表面的三维坐标数据，可快速采集城市三维信息[8]。

LiDAR点云的存在为利用现存的二维导航地图生成三维地图提供了可能。

路径规划算法的设计与优化

路径规划算法的设计与优化路径规划算法是人工智能技术中的一个重要分支，它在实际生活中得到了广泛应用。

比如，在无人驾驶汽车、物流运输、机器人导航等领域，都需要使用路径规划算法来实现自主导航和路径决策。

因此，路径规划算法的设计和优化具有非常重要的实际意义。

路径规划算法的本质是在给定的环境中，找到一条可行的、最优的路径。

这个环境可以是地图、棋盘、迷宫等，需要根据具体问题来确定。

在这个环境中，我们通常有一个起点和一个终点，还可能存在一些障碍物、限制条件等。

路径规划算法就是通过不断地搜索、评估和选择一些节点，从而找到一条满足条件的、最优的路径。

目前，路径规划算法的种类很多，其中比较常见的有A* 算法、Dijkstra 算法、RRT 算法等。

它们在实现方式、效率和适用范围等方面存在一些差异，需要针对具体问题进行选择和改进。

下面，我们将从三个方面来探讨路径规划算法的设计和优化。

一、数据结构的选择和优化路径规划算法的核心是通过搜索、评估和选择节点，从而构建一棵从起点到终点的路径树。

因此，数据结构对算法的实现效率和空间复杂度有着非常重要的影响。

目前，常见的数据结构有队列、堆栈、链表、树和图等。

在选择和使用数据结构时，需要综合考虑以下几个方面：（1）性能方面。

数据结构的实现需要具有足够的效率和稳定性，可以满足算法的要求。

比如，如果需要频繁进行查找和插入操作，可以选择具有良好平均时间复杂度的数据结构，如二叉堆或斐波那契堆等；如果需要支持快速的删除操作，可以选择链表或红黑树等数据结构。

（2）空间方面。

数据结构的实现需要占用足够合理的空间，可以满足算法的空间复杂度要求。

比如，在一些内存受限的设备上，需要选择占用较少内存的数据结构，如链表或哈希表等。

（3）适用性方面。

数据结构的选择需要考虑具体问题的特点，可以满足算法的适用范围。

比如，在处理稠密图时，可以使用邻接矩阵；在处理稀疏图时，可以使用邻接表等。

二、启发式算法的设计和优化启发式算法是一种基于经验和启发性的搜索方法，通常结合某种评估函数，来评估节点的优劣程度。

路线选择与优化

总结词
以最短路径为选择标准，考虑道路长度或直线距离。
详细描述
基于距离的路线选择通常以总路程最短为目标，不考虑实际行驶时间、交通状况等因素。这种方法适用于对时间要求不高的场景，如日常通勤、休闲旅行等。
基于时间的路线选择
总结词
以最短时间为选择标准，考虑道路状况和交通状况。
详细描述
基于时间的路线选择以总耗时最短为目标，考虑道路状况、交通拥堵、红绿灯等因素。这种方法适用于对时间要求较高的场景，如商务出行、紧急事务等。
路线选择与优化
目录
• 路线选择的重要性 • 路线选择的方法与技巧 • 路线优化技术 • 实际应用案例 • 未来展望
01
路线选择的重要性
路线选择对成本的影响
01
燃料成本
选择合适的路线可以减少行驶距离，从而降低燃料消耗，节省成本。
维护成本
02
03
通行费用
某些路段可能对车辆造成磨损，选择平坦、光滑的路面可以降低车辆维护成本。
无人驾驶车辆可以根据实时路况和交通信息自动选择最佳路线，减少拥堵和延误。
无人驾驶技术还可以实现智能交通管理，通过协调和控制多个车辆的行驶路线，优化整个交通系统的运行效率。
THANKS
感谢观看
规。
路线选择对安全的影响
01
02
03
路况安全性
选择路况良好、路面平整、标志清晰的路线可以降低交通事故风险。
天气条件
根据实时天气预报选择适合的路线，避免恶劣天气带来的安全隐患。
交通规则
遵守交通规则是保证安全的前提，选择遵守交通规则的路线可以降低安全风险。
02
路线选择的方法与技巧
基于距离的路线选择

基于UTMD的汽车自动驾驶的路径规划寻优算法

基于UTMD的汽车自动驾驶的路径规划寻优算法
李学鋆
【期刊名称】《汽车安全与节能学报》
【年(卷),期】2018(009)004
【摘要】为在汽车自动驾驶中路径规划中能兼顾运算的实时性和可靠性,设计了一种智能仿生算法的路径寻优算法.该算法基于超声靶向微泡破坏(UTMD)算法的原理.迭代运算分为靶标圈定、微泡迭代、微小核糖核酸(miRNAs)迭代.圈定靶标,以便有效减小路径搜索范围.利用非线性函数Rastrigin对该算法进行验证.分析了迭代次数的设定方式,并采用程序自检的方式进行自行跳转.将该算法运用到二维路径规划中,并在Matlab中进行模拟.结果表明:与Dijkstra算法相比,该UTMD算法所规划的路径长度缩减4.52％.因此,该算法可有效地应用于汽车自动驾驶.
【总页数】7页(P449-455)
【作者】李学鋆
【作者单位】湖北汽车工业学院汽车工程学院,十堰 442002,中国;汽车动力传动与电子控制湖北省重点实验室,湖北汽车工业学院,十堰 442002,中国
【正文语种】中文
【中图分类】U461.6
【相关文献】
1.一种基于人工势场法的自动驾驶汽车主动避障路径规划算法 [J], 张鹏;葛中盛;徐效农;赵奉奎
2.一种基于人工势场法的自动驾驶汽车主动避障路径规划算法 [J], 张鹏;葛中盛;徐效农;赵奉奎
3.自动驾驶汽车路径规划算法研究 [J], 李梓欣;李军
4.自动驾驶汽车路径规划算法研究 [J], 李梓欣;李军
5.基于动态解区间的操作臂路径规划寻优算法 [J], 李纪明
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＷａｎｇＲｅｎｄｏｎｇ，ＺｈａｎｇＹｏｎ￣ｉｎ，ＸｕＹｏｕｃｈｕｎ，ＭａＹｕｌｉｎ
（１．ＰｏｓｔｇｒａｄｕａｔｅＴｒａｉｎｉｎｇＢｒｉｇａｄｅ，ＭｉｌｉｔａｒｙＴｒａｎｓｐｏｔｒａｔｉｏｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３００１６１，Ｃｈｉｎａ；
ｂａｓｅｄｏｎｓｐａｒｓｅｃｏｏｒｄｉｎａｔｅｓｏｆｒｏｕｔｉｎｅｄｉｇｉｔａｌｍａｐｉｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓｍｅｔｈｏｄｉｎｃｌｕｄｅｓｔｗｏｓｔｅｐｓ：Ｆｉｒｓｔｌｙ，ｉｔｕｓｅｓｌｉｎｅａｒｉｎｔｅｒ — ｐｏｌａｔｉｏｎｔｏｄｅａｌｗｉｔｈｓｐａｒｓｅｒｏａｄｎｅｔｗｏｒｋｄａｔａａｎｄｇｅｎｅｒａｔｅｃｏｎｔｒｏｌｐｏｉｎｔｓｔｈａｔａｒｅｗｅｌｌｉｆｔｗｉｔｈｒｏａｄｓｈａｐｅ，ａｎｄｕｓｅｓＢ — ｓｐｌｉｎｅｉｆｔｔｉｎｇｔｏｍａｔｃｈｔｈｅｓｅｐｏｉｎｔｓ；Ｔｈｅｎ，ｃｏｍｂｉｎｉｎｇｗｉｔｈｇｅｏｍｅｔｉｃｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｂｏｔｈｖｅｈｉｃｌｅａｎｄｒｏａｄ，ｉｔｂｕｉｌｄｓａｃｏｎｓｔｒａｉｎｔｍｏｄｅｌｔｏａｃｈｉｅｖｅｓｅｆ－ｒａｄａｐｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｏｒｆｔｈｅｎａｖｉｇａｔｉｏｎｐａｔｈｏｆｉｎｔｅｌｌｉｇｅｎｔｖｅｈｉｃｌｅ．Ｔｈｅｖａｌｉｄｉｔｙｏｆｔｈｅｍｅｔｈ —
中图分类号：Ｕ４７１．１５文献标志码：Ａ文章编号：１６７４ — ２１９２（２０１５）０６ — ００２６ — ０６
ＧｅｎｅｒａｔｉｏｎａｎｄＯｐｉｍｉｔｚａｉｏｔｎｏｆＩｎｔｅｌｌｉｇｅｎｔＶｅｈｉｃｌｅ’ ＳＮａｖｉｇａｔｉｏｎＰａｔｈＢａｓｅｄｏｎＳｐａｒｓｅＭａｐＣｏｏｒｄｉｎａｔｅｓ
● 车辆工程
ＶｅｈｉｃｌｅＥｎｇｉｎｅｅｒｉｎｇ
基于稀疏地图坐标的
智能车导航路径生成与优化
王任栋，章永进，徐友春，马育林
（１．军事交通学院研究生管理大队，天津３００１６１；２．军事交通学院军用车辆系，天津３００１６１）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｅｃｉｓｅｎａｖｉｇａｔｉｏｎｆｏｒｉｎｔｅｌｌｉｇｅｎｔｖｅｈｉｃｌｅ，ａｎｇｅｎｅｒａｔｉｏｎａｎｄｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｏｆｎａｖｉｇａｔｉｏｎｐａｔｈ
第１７卷第６期２０１５年６月
军事交通学院来自报Ｖ０１．１７Ｎｏ．６
ＪｏｕｎａｒｌｏｆＭｉｌｉｔａｒｙＴｒａｎｓｐｏｒｔａｔｉｏｎＵｎｉｖｅｒｓｉｔｙ
Ｊｕｎｅ２０１５
２．ＭｉｌｉｔａｒｙＶｅｈｉｃｌｅＤｅｐａｒｔｍｅｎｔ，ＭｉｌｉｔａｙｒＴｒａｎｓｐｏｔｒａｔｉｏｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３００１６１，Ｃｈｉｎａ）
摘
要：针对智能车的精确导航问题，提出一种基于常规电子地图稀疏坐标的导航路径生成与优化
方法。首先利用线性插值对稀疏路网数据进行处理，生成符合道路几何形状的拟合控制点，并对上述控制点进行Ｂ样条拟合；而后结合车辆与道路的几何特性，构建智能车导航路径的约束模型，实现该模型约束下的智能车导航路径的自适应优化。实验结果证明了该方法的有效性。关键词：精确导航；电子地图；稀疏坐标；道路几何；Ｂ样条