CN108709553B - 云端估算隧道内任意点通过速度模型的方法和装置 - Google Patents
云端估算隧道内任意点通过速度模型的方法和装置 Download PDFInfo
- Publication number
- CN108709553B CN108709553B CN201810491942.2A CN201810491942A CN108709553B CN 108709553 B CN108709553 B CN 108709553B CN 201810491942 A CN201810491942 A CN 201810491942A CN 108709553 B CN108709553 B CN 108709553B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- vehicle
- model
- cloud
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种云端估算隧道内任意点通过速度模型的方法及装置,方法包括采集隧道数据,并在隧道内采集定位描点,对隧道描点图进行编码,通过编码索引所有隧道点;检测到GNSS信号丢失后,判断车辆开始进入隧道,将当前经纬度上报到云端,云端进行匹配,如果匹配成功则下发模型参数,如果匹配不成功则继续检测;判断车辆进入隧道后,检测GNSS信号是否恢复,如果恢复,设备端向云端上报信息,云端将上报信息与隧道点进行匹配,如果匹配则记录上报信息,否则设备端继续检测;采集车辆速度,滤除特异值,形成速度集合,进行均值滤波和曲线拟合;采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数。
Description
技术领域
本发明涉及速度模型估算技术领域,具体涉及一种云端估算隧道内任意点通过速度模型的方法和装置。
背景技术
VDR(Vehicle Dead Reckoning,车载航位推算)技术可以在GPS(GlobalPositioning System,全球定位***)信号丢失情况下(高架下,隧道,地下车库等)通过航位推算继续定位,与GPS定位技术融合可以提升定位效率。由于惯导(即惯性导航,一种不依赖于外部信息、也不向外部辐射能量的自主式导航***)器件本身精度问题以及算法误差,在隧道内,缺少GPS辅助情况下,VDR定位精度随时间推移迅速降低,若能知道隧道长度与车辆在隧道内各点的速度,则能通过参数反馈抑制算法的前向速度累计误差,从而降低VDR在隧道中的纵向误差,提升定位精度。由于惯导算法推导的前向速度准确度差,传统方式需要借助里程计、图像辅助等方式间接获得速度,需要额外电子器件,如里程计、磁强计、摄像头、雷达等方式获得车辆前向速度,增加设备成本、体积。
发明内容
本发明在无里程计、图像识别等帮助下通过采样车辆在隧道内的行驶信息,通过云端进行数据聚合,并用曲线拟合的方式得到车辆在隧道内的速度模型,将模型参数下发,使得车辆可以计算得到隧道内任意一点的估算速度,增强VDR在隧道内的航位推算精确度。
本发明采用的技术方案如下:
一种云端估算隧道内任意点通过速度模型的方法,所述方法包括以下步骤:
采集隧道数据,并在隧道内间隔采集定位描点,即经纬度点,通过定位描点之间的连通性抽象出隧道描点图,对隧道描点图进行编码,通过编码索引所有隧道点;
设备端检测到GNSS信号丢失后,判断车辆开始进入隧道,将车辆当前经纬度上报到云端,云端将收到的经纬度与索引的隧道点进行匹配,如果匹配成功则下发模型参数,如果匹配不成功则设备端继续检测GNSS信号;
判断车辆进入隧道后,设备端不断检测GNSS信号是否恢复,如果检测到GNSS信号恢复,设备端向云端上报信息,云端将上报信息与索引的隧道点进行匹配,如果与隧道出口匹配则记录上报信息,否则设备端继续检测GNSS信号是否恢复;
采集车辆速度,滤除特异值,形成速度集合,对车辆的速度集合累积后进行均值滤波和曲线拟合,得到估算速度;
采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数。
进一步地,车辆上报当前经纬度到云端,并与索引的隧道点匹配成功时,如果车辆第一次通过所述隧道,则云端下发隧道模型参数,否则下发所述车辆的车辆隧道模型参数,重复后续步骤不断更新车辆隧道模型参数和隧道模型参数。
进一步地,判断车辆进入隧道后记录当前时间T0,随着车辆行进,间隔时间ts采集一次速度vi并记录,同时设备端不断检测GNSS信号是否恢复,检测到GNSS信号恢复后记录当前时间T1,将当前GNSS定位经纬度、车辆在隧道中的行驶时间T1-T0、速度集合{v1,v2,v3...vi...vn}上报至云端,通过索引的隧道点进行匹配,如果与隧道出口匹配则记录上报信息,否则设备端继续检测GNSS信号是否恢复。
进一步地,根据隧道长度Lt,车辆在隧道中的行驶时间T1-T0,计算得到车辆在隧道中行驶的平均速度利用平均速度对采集的速度集合{v1,v2,v3...vi...vn}进行平滑,滤除特异值后形成新的速度集合{v′1,v′2,v'3...v′i...v′n}。
进一步地,同一车辆每次通过同一隧道后获得速度集合Sj={v′1,v'2,v′3...v′i...v′n},累积Sj后,对{S1,S2,S3…Sj...Sp}进行处理。
进一步地,对{S1,S2,S3…Sj...Sp}进行均值滤波得到长度为lm的速度集合lm为{S1,S2,S3…Sj...Sp}集合长度的最大值,对进行曲线拟合,令n=lm,并对隧道中任意时间tx进行归一化,得到t=tx/(ts*lm),则t时刻的估算速度V(t)如下公式:
本发明还提供了一种云端估算隧道内任意点通过速度模型的装置,所述装置包括:
隧道描点编码单元,用于对隧道描点图进行编码,通过编码索引所有隧道点,所述隧道描点图通过定位描点之间的连通性抽象出;
隧道点匹配单元,用于基于所述隧道点与云端收到的经纬度进行匹配;
模型参数下发单元,用于隧道点与云端收到的经纬度匹配成功下发模型参数;
模型参数采集单元,用于采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数,通过采集到的车辆隧道模型参数和隧道模型参数对模型参数进行更新。
本发明一种存储器,所述存储器存储有计算机程序,所述计算机程序被处理器执行如下步骤:
采集隧道数据,并在隧道内间隔采集定位描点,即经纬度点,通过定位描点之间的连通性抽象出隧道描点图,对隧道描点图进行编码,通过编码索引所有隧道点;
设备端检测到GNSS信号丢失后,判断车辆开始进入隧道,将车辆当前经纬度上报到云端,云端将收到的经纬度与索引的隧道点进行匹配,如果匹配成功则下发模型参数,如果匹配不成功则设备端继续检测GNSS信号;
判断车辆进入隧道后,设备端不断检测GNSS信号是否恢复,如果检测到GNSS信号恢复,设备端向云端上报信息,云端将上报信息与索引的隧道点进行匹配,如果与隧道出口匹配则记录上报信息,否则设备端继续检测GNSS信号是否恢复;
采集车辆速度,滤除特异值,形成速度集合,对车辆的速度集合累积后进行均值滤波和曲线拟合,得到估算速度;
采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数。
本发明的有益效果在于,在无需辅助器件帮助下,通过对车辆在隧道内行驶信息进行采集,利用曲线拟合与云端数据聚合、分析能力,估算出车辆在隧道内的前向速度模型,通过网络下发模型参数到惯导设备中,帮助惯导设备和端上算法抑制前向误差发散,使用该发明,惯导在隧道内的纵向有效推算距离可由隧道长度20-30%提升至70%以上。
附图说明
图1为本发明云端估算隧道内任意点通过速度模型的方法流程图;
图2为本发明云端估算隧道内任意点通过速度模型的装置结构图。
具体实施方式
本发明不需要额外器件,通过对车辆在隧道内行驶信息进行收集,用隧道平均速度对惯导算法采样速度进行平滑,并对平滑后速度进行曲线拟合与特异值剔除,再利用云端聚合分析能力,得到车辆在隧道内的速度模型,帮助端上算法计算车辆在隧道内任意点的速度。下文中,结合附图和实施例对本发明作进一步阐述。
实施例一:
图1为本发明第一实施例云端估算隧道内任意点通过速度模型的方法流程图,包括以下步骤:
步骤S1,通过离线方式采集隧道数据,在隧道内间隔一定距离(优选30m)采集一个定位描点(真实经纬度点),再通过点之间的连通性抽象出隧道描点图,优选通过GeoHash(或其他)编码方式,编码索引所有隧道点,GeoHash是一种地理信息编码方式。
步骤S2,车辆中算法模块通过检测信号遮挡(GNSS信号丢失),判断可能进入隧道时,发送当前经纬度至云端,云端将上报经纬度与步骤S1中索引的隧道点进行匹配,匹配成功则下发该隧道的速度模型参数,设备端收到下发速度模型后反馈至VDR算法抑制速度(本实施例中速度即为前向速度)发散,匹配不成功则设备端上继续检测。
步骤S3,判断车辆进入隧道后记录当前时间T0,随着车辆,进,间隔一定时间ts(优选10s)采集一次当前惯导算法推算的前向速度vi并记录,同时不断检测GNSS信号是否恢复,检测到GNSS信号恢复后记录当前时间T1,将当前GPS定位经纬度、(T1-T0)时间差、前向速度集合{v1,v2,v3...vi...vn}发送至云端,i为第i个采集速度的个数,n为采集速度的数量,通过与步骤S1中索引的隧道点进行匹配,若与隧道出口匹配则记录上报信息,否则设备端上继续检测。
步骤S4,根据隧道长度Li,车辆在隧道中的行驶时间(T1-T0),计算得到车辆在隧道中行驶的平均速度:利用平均速度对采集速度集合{v1,v2,v3...vi...vn}进行平滑,设置阈值θ,采集速度vi与平均速度差值的绝对值大于θ时,vi替换为特异值滤除后新的速度集合为{v′1,v′2,v'3...v′i...v′n}。
步骤S5,同一车辆第j次通过同一隧道后均可获得速度集合Sj={v′1,v′2,v′3...v′i...v′n},累积Sj后,对{S1,S2,S3…Sj...Sp}进行处理(其中下标p为通过同一隧道的次数,p≤Lh,Lh为Sj集合采样数目的最大值,若加入Sp+1则移除S1保持集合数目不变),使得任意Sj速度集合采样数目相同,即取{S1,S2,S3…Sj...Sp}集合长度最大值lm,长度不足的集合按Sj速度均值填充。
步骤S6,对{S1,S2,S3…Sj...Sp}进行均值滤波(mean filter,一种典型的线性滤波算法)得到长度为lm的速度集合对进行曲线拟合(选择适当的曲线类型拟合观测数据并使用拟合的曲线方程分析变量间关系),优选采用贝塞尔曲线(Bézier curve,又称贝兹曲线或贝济埃曲线,是应用于二维图形应用程序的数学曲线),令n=lm,并对隧道中任意时间tx进行归一化,可得到:
t=tx/(ts*lm),则t时刻的估算速度V(t)值如下公式:
步骤S7,记录车辆隧道模型参数做为第q辆车辆在某隧道的车辆隧道模型参数,对同一隧道而言,不同车辆经过时均可得到不同的模型参数,组成模型集合{M1,M2,M3…Mq...Mu},u为车辆的数量,对模型集合进行均值滤波,可得到该隧道模型参数
步骤S9,重复步骤S2至S9并不断更新车辆隧道模型参数与隧道模型参数。
实施例二:
图2为本发明第一实施例云端估算隧道内任意点通过速度模型的方法结构图,包括:
隧道描点编码单元,用于对隧道描点图进行编码,通过编码索引所有隧道点,所述隧道描点图通过定位描点之间的连通性抽象出;
隧道点匹配单元,用于基于所述隧道点与云端收到的经纬度进行匹配;
模型参数下发单元,用于隧道点与云端收到的经纬度匹配成功下发模型参数;
模型参数采集单元,用于采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数,通过采集到的车辆隧道模型参数和隧道模型参数对模型参数进行更新。
实施例三:
本发明还提供了一种存储器,所述存储器存储有计算机程序,所述计算机程序被处理器执行如下步骤:
采集隧道数据,并在隧道内间隔采集定位描点,即经纬度点,通过定位描点之间的连通性抽象出隧道描点图,对隧道描点图进行编码,通过编码索引所有隧道点;
设备端检测到GNSS信号丢失后,判断车辆开始进入隧道,将车辆当前经纬度上报到云端,云端将收到的经纬度与索引的隧道点进行匹配,如果匹配成功则下发模型参数,如果匹配不成功则设备端继续检测GNSS信号;
判断车辆进入隧道后,设备端不断检测GNSS信号是否恢复,如果检测到GNSS信号恢复,设备端向云端上报信息,云端将上报信息与索引的隧道点进行匹配,如果与隧道出口匹配则记录上报信息,否则设备端继续检测GNSS信号是否恢复;
采集车辆速度,滤除特异值,形成速度集合,对车辆的速度集合累积后进行均值滤波和曲线拟合,得到估算速度;
采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (10)
1.一种云端估算隧道内任意点通过速度模型的方法,其特征在于,所述方法包括以下步骤:
采集隧道数据,并在隧道内间隔采集定位描点,即经纬度点,通过定位描点之间的连通性抽象出隧道描点图,对隧道描点图进行编码,通过编码索引所有隧道点;
设备端检测到GNSS信号丢失后,判断车辆开始进入隧道,将车辆当前经纬度上报到云端,云端将收到的经纬度与索引的隧道点进行匹配,如果匹配成功则下发模型参数,如果匹配不成功则设备端继续检测GNSS信号;
判断车辆进入隧道后,设备端不断检测GNSS信号是否恢复,如果检测到GNSS信号恢复,设备端向云端上报信息,云端将上报信息与索引的隧道点进行匹配,如果与隧道出口匹配则记录上报信息,否则设备端继续检测GNSS信号是否恢复;
采集车辆速度,滤除特异值,形成速度集合,对车辆的速度集合累积后进行均值滤波和曲线拟合,得到估算速度;
采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数。
2.如权利要求1所述的一种云端估算隧道内任意点通过速度模型的方法,其特征在于,车辆上报当前经纬度到云端,并与索引的隧道点匹配成功时,如果车辆第一次通过所述隧道,则云端下发隧道模型参数,否则下发所述车辆的车辆隧道模型参数,并通过后续步骤更新车辆隧道模型参数和隧道模型参数。
3.如权利要求2所述的一种云端估算隧道内任意点通过速度模型的方法,其特征在于,判断车辆进入隧道后记录当前时间T0,随着车辆行进,间隔时间ts采集一次速度vi并记录,同时设备端不断检测GNSS信号是否恢复,检测到GNSS信号恢复后记录当前时间T1,将当前GNSS定位经纬度、车辆在隧道中的行驶时间T1-T0、速度集合{v1,v2,v3...vi...vn}上报至云端,通过索引的隧道点进行匹配,如果与隧道出口匹配则记录上报信息,否则设备端继续检测GNSS信号是否恢复。
6.如权利要求5所述的一种云端估算隧道内任意点通过速度模型的方法,其特征在于,同一车辆每次通过同一隧道后获得速度集合Sj={v'1,v'2,v'3...v'i...v'n},累积Sj后,对{S1,S2,S3...Sj...Sp}进行处理。
9.一种云端估算隧道内任意点通过速度模型的装置,其特征在于,所述装置包括:
隧道描点编码单元,用于对隧道描点图进行编码,通过编码索引所有隧道点,所述隧道描点图通过定位描点之间的连通性抽象出;
隧道点匹配单元,用于基于所述隧道点与云端收到的经纬度进行匹配,所述经纬度为设备端检测到GNSS信号丢失后,判断车辆开始进入隧道,上报所述车辆的当前经纬度;
模型参数下发单元,用于匹配成功下发模型参数;
模型参数采集单元,用于基于所述隧道点与上报信息进行匹配,如果与隧道出口匹配则记录所述上报信息,采集车辆速度,滤除特异值,形成速度集合,对车辆的速度集合累积后进行均值滤波和曲线拟合,得到估算速度,采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数,通过采集到的车辆隧道模型参数和隧道模型参数对模型参数进行更新,所述上报信息为所述车辆进入隧道后,所述设备端检测到GNSS信号恢复时向所述云端上报的信息。
10.一种存储器,所述存储器存储有计算机程序,其特征在于,所述计算机程序被处理器执行如下步骤:
采集隧道数据,并在隧道内间隔采集定位描点,即经纬度点,通过定位描点之间的连通性抽象出隧道描点图,对隧道描点图进行编码,通过编码索引所有隧道点;
设备端检测到GNSS信号丢失后,判断车辆开始进入隧道,将车辆当前经纬度上报到云端,云端将收到的经纬度与索引的隧道点进行匹配,如果匹配成功则下发模型参数,如果匹配不成功则设备端继续检测GNSS信号;
判断车辆进入隧道后,设备端不断检测GNSS信号是否恢复,如果检测到GNSS信号恢复,设备端向云端上报信息,云端将上报信息与索引的隧道点进行匹配,如果与隧道出口匹配则记录上报信息,否则设备端继续检测GNSS信号是否恢复;
采集车辆速度,滤除特异值,形成速度集合,对车辆的速度集合累积后进行均值滤波和曲线拟合,得到估算速度;
采集不同车辆的车辆隧道模型参数,组成模型集合,对模型集合进行均值滤波,得到隧道模型参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810491942.2A CN108709553B (zh) | 2018-05-21 | 2018-05-21 | 云端估算隧道内任意点通过速度模型的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810491942.2A CN108709553B (zh) | 2018-05-21 | 2018-05-21 | 云端估算隧道内任意点通过速度模型的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108709553A CN108709553A (zh) | 2018-10-26 |
CN108709553B true CN108709553B (zh) | 2022-07-08 |
Family
ID=63869375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810491942.2A Active CN108709553B (zh) | 2018-05-21 | 2018-05-21 | 云端估算隧道内任意点通过速度模型的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108709553B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110824228A (zh) * | 2019-10-30 | 2020-02-21 | 南京国电南自电网自动化有限公司 | 一种采样点值的处理方法及*** |
CN111460649A (zh) * | 2020-03-30 | 2020-07-28 | 中铁二院工程集团有限责任公司 | 隧道风能计算方法、装置及隧道智能显示*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104359492A (zh) * | 2014-11-03 | 2015-02-18 | 中国科学院合肥物质科学研究院 | 惯性导航和轮速计组成的航迹推算定位***误差估算算法 |
CN106840153A (zh) * | 2017-03-14 | 2017-06-13 | 千寻位置网络有限公司 | 一种云端计算隧道内通过速度的方法 |
CN107976198A (zh) * | 2017-11-08 | 2018-05-01 | 千寻位置网络有限公司 | 利用云端结合的道路匹配提升惯导性能的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5372802B2 (ja) * | 2010-02-24 | 2013-12-18 | クラリオン株式会社 | トンネル内位置推定機能付きナビゲーション装置 |
-
2018
- 2018-05-21 CN CN201810491942.2A patent/CN108709553B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104359492A (zh) * | 2014-11-03 | 2015-02-18 | 中国科学院合肥物质科学研究院 | 惯性导航和轮速计组成的航迹推算定位***误差估算算法 |
CN106840153A (zh) * | 2017-03-14 | 2017-06-13 | 千寻位置网络有限公司 | 一种云端计算隧道内通过速度的方法 |
CN107976198A (zh) * | 2017-11-08 | 2018-05-01 | 千寻位置网络有限公司 | 利用云端结合的道路匹配提升惯导性能的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108709553A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190086923A1 (en) | Method and apparatus for generating obstacle motion information for autonomous vehicle | |
EP3098797B1 (en) | Anomalous travel location detection device and anomalous travel location detection method | |
WO2018177026A1 (zh) | 确定道路边沿的装置和方法 | |
CN110705458B (zh) | 边界检测方法及装置 | |
WO2018072362A1 (zh) | 车辆实时轨迹预测方法及预测*** | |
DE102017218249A1 (de) | System und Verfahren zum Erkennen der Position eines Fahrzeugs | |
US20160180705A1 (en) | Origin destination estimation based on vehicle trajectory data | |
CN109359690B (zh) | 基于卡口数据的车辆出行轨迹识别方法 | |
CN110942038A (zh) | 基于视觉的交通场景识别方法、装置、介质及电子设备 | |
CN111105437B (zh) | 车辆轨迹异常判断方法及装置 | |
JP2019112049A (ja) | 陸上車両の運転者の運転スタイルを認識するための方法及び対応する装置 | |
CN100466010C (zh) | 异类交通信息实时融合方法 | |
Daoust et al. | Light at the end of the tunnel: High-speed lidar-based train localization in challenging underground environments | |
CN108709553B (zh) | 云端估算隧道内任意点通过速度模型的方法和装置 | |
CN113970330B (zh) | 车载多传感器融合定位方法、计算机设备及存储介质 | |
CN111914691A (zh) | 一种轨道交通车辆定位方法及*** | |
CN109916485B (zh) | 动态车辆称重方法及装置 | |
CN111183464B (zh) | 基于车辆轨迹数据估计信号交叉路口的饱和流量的***和方法 | |
CN107256382A (zh) | 基于图像识别的虚拟保险杠控制方法和*** | |
US20120253648A1 (en) | Apparatus and method for generating traffic information | |
CN108701223B (zh) | 用于估算车辆的驾驶员的注意力等级的装置和方法 | |
JP2016085105A (ja) | 移動体の速度推定装置、方法、及びプログラム | |
US20180038696A1 (en) | A system for use in a vehicle | |
Ma et al. | A new online travel time estimation approach using distorted automatic vehicle identification data | |
CN114241447A (zh) | 一种基于车载设备的障碍物实时检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |