上海出版地铁与城市街区相结合的新地图

为了弥补轨道交通示意图的缺点,首批轨道交通线路站点与城市街区相结合的地图日前在各地铁车站亮相。该地图为市民乘车及游客查询提供了方便。与普通上海城区地图相比,这份地图淡化了城区道路与高架路的颜色,删除了走向复杂的公交线路,突出了轨     

单面焊接接头的断裂特性研究

采用拉伸试验研究了１６Ｍｎ钢陶质衬垫手工单面焊接接头强度、塑性、应力－应变关系特性，同时使用扫描电镜、能谱分析仪观察了拉伸断口形貌，测定了夹杂物的成分，分布特征以及常温下接头的临界空穴扩张比Ｒｃ／Ｒｏ，讨论了Ｒｃ／Ｒｏ的分布规律和接头的断裂韧性。     

地图大名片（华东地区）

山东省 位于华东北部，黄河下游，濒临黄海、渤海。 春秋战国时属齐、鲁等国。秦属济北、胶东、琅琊等郡。汉属青、兖、徐等州。金为山东东、西二路。明设山东布政使司。清设山东省。现全省面积15万多平方千米，人口9069万。[第一段]     

基于地图API技术的道路拥堵点交通运行状态分析

以东阳市老城区为例,提出应用地图API技术进行道路拥堵点交通运行状态分析的一般流程。首先,按照一定时间间隔分别截取研究范围的实时路况地图,根据路况颜色和持续时间识别道路拥堵点;其次,将研究范围划分成一定数量的网格,利用地图API技术批量获取各网格中心至拥堵点的预估通行时间,评估当前时刻下拥堵点的可达性;最后,获取堵点周边道路各时段的平均行程速度,评估道路运行状态的时间变化特征。通过地图API进行道路堵点识别和运行状态分析,能够大大减少研究者的前期工作量,为后续研究分析提供相对准确的基础数据。     

奥维地图在公路工程可行性研究阶段的应用研究

为了研究奥维地图在公路工可阶段的可利用情况,从奥威地图功能和公路工可主要研究内容出发,结合实际工程项目在路线选线和现场踏勘的应用,研究奥威地图对公路工可工作的辅助效果,可节约测图成本和提高工作效率.     

利用百度API数据对居民出行调查的修正与挖掘

为改善传统居民出行调查受制于调查对象的主观感受,难以获得客观、真实的特征数据等问题。通过借助百度地图API(Application Programming Interface,简称API)开源数据,构建了一套科学的技术方法,实现与传统出行调查数据的融合。以石家庄2015年居民出行调查为例,对小汽车、公交及其他方式出行距离、出行时耗等关键数据误差进行修正,形成了更为客观、精确的出行特征指标。基于此,还对修正数据进一步挖掘,实现对石家庄公交出行链各环节指标逐一剖析,并就如何提升公交整体服务水平及竞争力,提出了具体改善建议。     

一种基于地图辅助的自动驾驶视-惯融合定位方法

视觉同步定位与建图(Simultaneous Localization and Mapping, SLAM)方法广泛应用于自动驾驶领域。传统的方法利用车载摄像头表征车辆周围环境,同时估计自身位置,当车辆运动过快时,定位精度和鲁棒性会下降。针对此问题,本文提出一种地图辅助的视-惯融合定位方法。该方法在ORB-SLAM2(Oriented FAST and Rotated BRIEF SLAM2)的基础上拓展地图保存功能,将建图和定位拆分为两个独立模块,车辆首先以较慢的速度构建并保存具有视觉特征的地图,然后,在第2次运行时车载计算机调用预先保存的地图实现精确且稳定的定位性能。由于构建地图阶段采用了图优化算法融合惯性测量单元(Inertial Measurement Unit, IMU)的信息,地图误差得到有效校正。在KITTI数据集场景和实际场景中验证了所提方法的良好性能。实验结果表明,所提方法在4, 8, 16 m·s-1 驾驶速度下的定位精度分别为2.59,2.61,2.73 m,图像失帧率和路径丢失率分别为3.76%和1.38%,3.89%和1.69%,4.27%和1.84%。相比原始的ORB-SLAM2方法,系统定位精度和鲁棒性均得到了提高。     

基于拓扑判断的海量GPS数据延时地图匹配算法

由于浮动车数据采集中存在GPS数据周期过长、拓扑关联性较差、数据量大的特点,传统的车载端地图匹配算法难以直接应用,针对车辆无法初次匹配的情况,设计了一种可根据路网拓扑关联性进行判断的延时地图匹配算法.实际数据验证表明,该算法在保证数据完整性和有效性的基础上,可以实时、准确地进行地图匹配,尤其是车辆位于复杂交叉口及高架桥附近区域时车辆真实行驶道路的确定.      

车辆定位的地图匹配算法研究

车载导航定位系统是智能交通系统的重要组成部分,其中地图匹配又是提高车辆定位精度的重要技术。从数字地图本身的属性特征出发,利用数字地图的地面高程模型对现有的地图匹配算法进行改进,并通过实验数据对改进后的算法加以验证,其结果表明改进后的算法能够获得较高的定位精度和更可靠的匹配性能。     

Constrained submap algorithm for simultaneous localization and mapping

When solving the problem of simultaneous localization and mapping (SLAM), a standard extended Kalman filter (EKF) is subject to linearization errors and causes optimistic estimation. This paper proposes a submap algorithm, which builds a weighted least squares (WLS) constraint between two adjacent submaps according to the different estimations of the common features and the relationship between the vehicle poses in the corresponding submaps. By establishing the constraint equation after loop closing, re-linearization is implemented and each submap’s reference frame tends to its equilibrium position quickly. Experimental results demonstrate that the algorithm could get a globally consistent map and linearization errors are limited in local regions.