典型文献
集成时空邻近与卷积网络车道级高精度定位算法
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
滕文鑫;张建辰;邵杰
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;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;首都师范大学附属红螺寺中学,北京101400
文献出处：
引用格式：
[1]滕文鑫;张建辰;邵杰-.集成时空邻近与卷积网络车道级高精度定位算法)[J].测绘通报,2022(06):1-5,61
A类：
B类：
时空邻近,卷积网络,高精度定位,定位算法,高车,平定,定位精度,智能交通系统,系统发展,车道级定位,定位方法,STP,再进一步,自适应识别,GPS,车速,惯性测量单元,厘米,地图匹配
AB值：
0.33265
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
