一、GPS车辆导航系统的设计与实现（论文文献综述）
龚依林[1]（2021）在《基于IMU辅助更新检测的自适应组合导航系统的研究与实现》文中研究指明目前,INS/GNSS组合导航系统是一种应用较为广泛的卫星导航解决方案,它克服了单一传感器导航系统难以长时间且高频率导航的局限性,提高了导航信息的可信度,并且在降低导航费用的基础上缩短了信息获取时间,在一定程度上提高了导航精度。然而,一旦GNSS卫星信号失锁,系统会再次以惯性导航模式工作。这使得当前组合导航系统存在导航精度易迅速发散、稳定性较差等问题。因此,本文开发了一种基于低成本传感器、鲁棒的自适应组合导航系统,以适应不同的导航场景。本文提出了一种基于IMU的辅助更新检测算法,该算法基于IMU量测数据利用神经网络检测车辆的静止和拐弯行为,然后将它们转化为零速量测和车载约束量测并与经典卡尔曼滤波相结合,以解决传统组合导航系统的局限性。结合上述研究成果,本文设计并实现了一套基于该算法的软硬件系统,该系统由嵌入式端和服务器端组成。其中,嵌入式端受到芯片计算能力的限制,只负责数据传输和组合导航算法部分;服务器端则负责数据和模型管理。本文首先阐述了系统的项目背景和研究意义,调研了相关技术并介绍了理论原理;然后,分析了系统的功能性需求和非功能性需求分,并在需求分析的基础上设计了系统的总体架构;随后将系统划分成多个功能模块并对各个模块进行了概要设计,同时完成了系统的详细设计,并且编码实现了该系统;最后针对整个系统的功能性和非功能性方面进行了测试和分析。本文成功完成了自适应组合导航系统的构建以及测试工作,并基于真实场景数据实验证明了算法和系统的稳定性,系统的导航精度也完全满足了性能需求。
关卓怀[2]（2020）在《履带式水稻联合收获机辅助导航系统关键技术研究》文中认为水稻是我国第一大粮食作物,履带式联合收获机是水稻机械化收获的主要作业装备,为兼顾作业效率和收获质量,收获过程中需根据水稻生长情况实时动态调整收获机前进方向、作业速度、割台高度、拨禾轮位置和工作部件运行参数,解决其操作要求高和劳动强度大的有效途径之一为机组自动导航系统,能够实现收获路径的自主规划跟踪,提高作业效率,降低劳动强度,延长作业时间。为提升导航系统对履带式水稻联合收获机的适应性,针对“满幅作业”的收获要求并结合水稻收获时田间土壤含水率高、承压能力弱的环境特点,开展履带式水稻联合收获机辅助导航系统关键技术研究,包括导航信息采集与数据处理方法、水稻待收获区域视觉识别与路径提取方法、作业路径跟踪算法与控制策略和导航系统末端执行机构,并进行试验验证。主要研究内容包括:（1）在全面系统比较分析国内外农业装备定位导航技术研究进展与发展现状的基础上,明确了履带式水稻联合收获机辅助导航系统的功能要求和作业特点及其对应的主要技术与装置,包括导航信息采集与数据处理、水稻待收获区域识别与作业路径提取、作业路径跟踪控制和辅助导航系统末端执行机构。（2）分析了履带式联合收获机田间行驶基础理论和水田行驶状态影响要素,构建了水田转向运动参数理论值修正模型。（1）基于地面力学理论和运动学理论,建立了履带-土壤耦合系统力学模型和履带式联合收获机稳态转向运动学模型;明确了土壤物理机械参数、履带式联合收获机结构参数和履带运动参数等是影响履带式联合收获机田间行驶状态的主要因素。（2）测定了收获期水稻田土壤物理机械性质为:含水率23.8～31.2%,塑限25.9～27.8%,液限34.8～36.9%,容重1.35～1.68g·cm-3,孔隙度18.3～26.4%;结果表明土壤含水率高、空隙度较大、较为疏松,处于可塑状态,在外力作用下易形变,相较于硬地面和坚实土壤,履带式联合收获机在水田中行驶易沉陷,滑移率滑转率大。（3）开展了履带式水稻联合收获机水田转向运动学试验,结果表明水田中履带式联合收获机实际转向半径大于理论转向半径,实际转向角速度小于理论转向角速度;不同前进速度下,实际转向半径的变化趋势与其理论值相反,实际转向角速度的变化趋势与其理论值相同,但变化率小于理论值。（4）通过对比分析多种函数模型对转向半径修正系数、转向角速度修正系数与前进速度关系的拟合度,构建了水田转向运动参数理论值修正模型;转向半径修正系数为前进速度的二次函数,拟合方程为Kρ=0.751vc2-0.392vc+1.819,转向角速度修正系数为前进速度的指数函数,拟合方程为Kω=0.9187e-0.745vc,该研究为履带式联合收获机辅助导航系统的设计提供了理论依据和数据支撑。（3）设计了履带式水稻联合收获机辅助导航系统,确定了辅助导航系统的主要功能与实现方法,并依据其功能要求构建了辅助导航系统“三单元+一机构”的总体结构,可满足履带式联合收获机水稻收获辅助导航的实际需要。（1）分析了履带式水稻联合收获机辅助导航系统的主要功能,包括导航信息数据采集处理,收获作业路径提取跟踪;设计了辅助导航系统总体结构,包含导航传感器及其信号采集与数据处理单元、收获图像处理与作业路径提取单元、作业路径跟踪控制单元、末端液压转向执行机构。（2）针对田间地表起伏和履带式联合收获机工作振动造成的导航数据稳定性降低问题,设计了用于融合RTK-GNSS数据和IMU数据的扩展卡尔曼滤波器,输出位置坐标、航向角和前进速度等关键导航信息;试验表明经扩展卡尔曼滤波器融合RTK-GNSS数据和IMU数据后,航向角监测值的标准差为0.039 rad,相比滤波前降低了0.045 rad,数据监测波动减小;通过定位定向数据推算的履带式联合收获机位移距离平均误差为0.021 m,转向角度平均误差为0.36°,航位信息监测结果准确。（3）研制了履带式联合收获机串并联组合式液压转向系统,可实现人工操作转向与辅助导航控制的自由切换;以转向油缸推力大于600 N、响应时间小于0.1 s为设计指标,确定了主要液压元件参数;试验表明履带式联合收获机直线行驶50 m的平均偏驶距离为0.25 m,偏驶率为0.5%,直线行驶偏驶量小;标准信号激励下履带式联合收获机转向响应延迟为0.2 s,角速度响应标准差为0.017 rad/s,超调量小于3.8%,转向响应延迟低、转向过程稳定,满足履带式联合收获机辅助导航的需要。（4）提出了一种水稻待收获区域视觉识别与收获路径提取方法并应用。（1）设计了水稻收获原始图像预处理方法:构建了畸变图像逆变换矫正模型,基于最大似然估计和Levenberg-Marquardt算法标定相机内部参数、外部参数和畸变参数;设计了图像噪声二维高斯平滑滤波器,使用5×5像素的矩形模板对窗口内像素进行卷积运算抑制噪声干扰;试验表明,平面靶标图像特征点识别的平均像素误差小于0.17像素,焦距标定误差小于0.34 mm,相机参数标定准确,可以准确矫正图像畸变并完成水稻收获图像的预处理。（2）对比分析了水稻收获图像在HSV、HSI和RGB三种颜色空间模型中的参数分布特征,提出了考虑超红特征2R-G-B的水稻收获图像二值化综合阈值算法,分割水稻待收获区域图像,并基于膨胀-腐蚀重构的形态学闭运算,降低二值图像颗粒噪声,增强待收获区域边界。（3）基于已收获区域和待收获区域图像像素列垂直投影统计特征,动态决策感兴趣区域,提高作业路径拟合效率;基于像素行灰度值函数与阶跃函数的互相关系数,判定待收获区边界点,并利用三次B样条曲线拟合待收获区边界,作为收获作业目标路径。（4）构建了像素位置与空间位置坐标变换矩阵,建立了视觉路径与空间路径的映射关系;试验表明,视觉系统距离识别的平均误差为9.6 mm,偏差率为1.92%,角度识别的平均误差为0.77°,误差率为2.7%。（5）在顺光、逆光、强光、弱光环境下分别开展了中粳798和临稻20两种水稻待收获区边界线提取试验,结果表明,中粳798待收获区边界平均识别误差为23.9～38.7mm,在强光环境下误差最小,在逆光环境中误差最大;临稻20待收获区边界平均识别误差为38.9～55.8 mm,逆光环境下误差最小,弱光环境下误差最大,单帧图像平均处理时间38 ms,满足田间环境下水稻收获路径快速提取的需求。（5）提出了履带式水稻联合收获机作业路径跟踪算法与控制策略。（1）建立了履带式水稻联合收获机行进路径航位偏差分析模型,推导了履带式联合收获机与目标点相对位置几何关系,构建了位姿误差状态矩阵;为自适应调整航位偏差模型中的关键参数,探究了履带式联合收获机转向响应瞬态特征,分析了控制信号激励时间对转向率响应曲线线性区间的影响,并以线性区间大于90%为设计依据确定了前视距离动态调整策略。（2）推导了履带式水稻联合收获机寻线路径离散时间递推方程,构建了履带式联合收获机圆弧-切线寻线追踪模型;仿真分析表明,相较于未考虑水田转向实际特征的纯追踪模型,该模型路径纠偏的最大超调量、上升时间和调节时间分别减小了44.2%、16.3%和28.0%,有助于降低履带式联合收获机的纠偏超调量,提高寻线跟踪的收敛速度,减小控制模型误差。（3）设计了履带式水稻联合收获机路径跟踪模糊控制器,分析了控制器主要参数对控制效果的影响;基于粒子群算法,构建了模糊控制器参数自寻优整定器;仿真分析表明,经粒子群算法优化模糊控制器后,转向率偏差超调量由14.2%减少至4.6%,上升时间和调节时间分别由2.1 s、5.6 s降低至1.7 s、2.1 s,提高了作业路径跟踪控制器的响应速度和稳定性。（4）提出了基于LS-SVM的转向特征识别方法,通过在线回归构建控制信号占空比与实际转向率之间的关系模型,修正模糊控制器输出的控制信号占空比;开展了回归模型关键参数2因素3水平全因子试验,结果表明惩罚系数为10、核函数参数为20时,模型对测试集数据的拟合相关系数为0.9608,均方根误差为0.0040,对异常值不敏感;运用该方法修正模型控制器输出量后,水田中履带式联合收获机转向率响应值相对于期望值的平均误差可降低至0.29°,相较于修正前减小了0～55.7%,提升了辅助导航系统对水田环境的适应性。（5）辅助导航直线路径跟踪控制试验表明:当履带式联合收获机前进速度范围在2.16～3.60 km/h时,行进路径平均横向偏差为4.3～5.8 cm,平均最大偏差为10.6～17.2cm,均方根误差为1.92～3.60 cm;在初始偏差为1 m、前进速度为2.52 km/h的试验条件下,路径纠偏上升时间为7.5 s,稳态调节时间为14.7 s,最大超调量为14.8 cm,平均稳态误差6.4 cm,所提出的履带式联合收获机辅助导航路径跟踪控制器可稳定收敛,能够实现行进路径纠偏与稳定追踪。（6）以平均割幅偏差、最大割幅偏差和割幅率为辅助导航系统评价指标,开展了履带式水稻联合收获机辅助导航水稻收获田间试验,对比分析了不同前进速度下辅助导航系统的作业效果,结果表明辅助导航系统可识别水稻待收获区域边界,履带式联合收获机能够在不漏割的前提下根据水稻边界线自主调节作业路径,在2.45～4.03 km/h速度范围内,收获作业平均割幅为1.99～2.05 m,平均割幅偏差为0.15～0.21 m,最大割幅偏差为0.29～0.39 m,割幅率为90.5～93.1%,满足水稻机械化收获作业的实际需求。创新点1:提出了可有效提高机械化收获边界线识别精度、减小运算量的组合式水稻待收获区域边界线视觉提取方法,即“像素列垂直投影统计+像素行阶跃相关对比+三次B样条曲线拟合”的组合算法。创新点2:设计了可修正水田实际转向响应与理论模型预测值之间误差的履带式联合收获机路径跟踪控制算法,该方法基于LS-SVM在线识别履带式联合收获机的实际转向特征,提高导航系统对水田的适应性。
邓师源[3]（2020）在《消防车辆位置实时监控系统的设计与实现》文中研究说明随着社会经济的飞速发展,频繁发生的火灾已成为一个令人担忧的问题,城市化的发展和行驶环境的复杂性又进一步加剧了救火的难度。消防车辆是发生火灾后救援行动的核心力量,也是全面灭火工作的重要组成部分。当前,消防车辆在调度和管理等方面还存在许多缺陷,包括车辆驾驶的实时监督不够有力、车辆调度的指挥过程不够及时、车辆档案的数据记录不够准确等,都说明现有的车辆监控系统难以满足对消防车辆高效管理的需求。为了更好地对消防车辆的位置和运行信息进行监控,从而协助管理人员更加合理地调度管理消防车辆,最大限度地保护人民群众的生命和财产安全,本文基于GPS、GIS、GPRS等技术原理,阐述了更为高效的消防车辆位置实时监控系统的设计和实现过程。本文首先概述了消防车辆位置实时监控系统的理论基础,主要包括GPS定位系统、GIS地理信息系统、GPRS通用分组无线服务等技术,同时对市面上成熟车载设备的产品结构及功能进行了介绍。然后,本文分析了开发系统的必要性和可行性,提出了系统的技术架构,探讨了系统的功能性和非功能性需求,并分析了其社会价值和经济效益。根据对消防车辆位置实时监控系统总体需求的分析,本文接着设计了对应的系统基本模块,包括车辆实时监控信息管理模块、车辆调度管理模块、车辆档案和经济管理模块、系统的信息接口模块以及相关的数据库,并运用Dijks tra算法实现了系统的最短路线规划。之后,在消防车辆位置实时监控系统的实现过程中,本文完成了对系统各个模块的开发工作,并对系统的工作环境效果图做了展示。最后,通过测试定位精度和延迟时间两个关键性能指标,以及系统各个模块在实际工作中的运行状态,本文验证了所设计的消防车辆位置实时监控系统能够满足设计之初提出的各项需求。本文设计的消防车辆位置实时监控系统能够在一定程度上帮助消防部门提高对消防车辆的管理效率,增加应对紧急情况的业务能力,具有较大的实用价值,同时也在智慧城市、智慧交通的建设进程中,为车辆定位监控系统的进一步发展提供了一些新的研究和设计思路。
聂敏天[4]（2020）在《车辆GPS/SINS组合定位技术研究》文中认为GPS卫星导航系统从应用初始的军事目的用途到现在的日常生活应用,随着GPS应用技术的不断提升,应用领域也变的更加广泛。可是当单一卫星导航定位系统遇到接收信号异常或工作在复杂城市路况的情况时,就会出现GPS信号漂移、严重时甚至丢失,从而致使导航精度严重下降。而惯性导航系统与GPS导航系统不同,它是通过测量载体的运动状态信息来对载体的姿态、速度、位置进行的定位解算,可以在相对较短的时间内实现较高的定位精度要求,但其存在的缺点是:当测量器件中的陀螺仪和加速度计在长时间的工作状态下便会产生累计误差,从而使速度、位置信息误差出现不断发散情况。因此,借助于GPS和惯性测量器件的组合导航定位系统来提升目标载体的导航定位精度的研究便成为近些年来的研究趋势。本文首先对卫星导航系统和惯性导航系统的基本工作原理和各自解算方法进行分析探讨,分析各自的固有优缺点以及误差来源。对GPS定位方式和捷联惯性导航系统的姿态解算方法进行对比,通过使用四元数解算方法计算载体的姿态信息,借助Matlab工具模拟设定惯性器件的误差参数,并进行静态仿真,评价单一定位系统的定位精度发散问题。其次,分析了组合导航系统的多种组合方式特点,发现选用松组合方式对GPS接收机和惯性导航器件的解算速度和位置输出进行组合,经由卡尔曼滤波器的处理,可以得到相对精确的定位结果,并在Matlab工具中进行仿真输出对比,结果显示输出的定位数据精度优于单一导航系统的输出。最后,研发了一套组合定位系统,对组合系统的软硬件的组合设计进行描述,分别将GPS接收机、捷联式惯性导航系统的陀螺仪和加速计测量值进行解算,得到的车辆载体的姿态、速度、位置解算信息,对解算数据处理后再经过卡尔曼滤波器的数据融合处理,最终得到提升精度后的定位信息,通过Java Script的代码设计使用百度地图API在PC机浏览器端进行车辆的轨迹的动态显示,并对比实车实验所得数据精度,验证了组合导航系统在定位精度上有所提升。
徐思轲[5]（2020）在《基于模糊逻辑的机场飞行区实时地图匹配算法》文中研究指明随着国内航空事业的发展,机场飞行区的建设迎来了一个高峰时期,机场内部的地面服务车辆及其他设备大幅增长,对场内车辆的实时精确定位是有效提升安全保障的手段。地图匹配算法是定位误差修正的重要手段之一,现有实时地图匹配技术在参数设定上多采用预先设置,未针对飞行区特定环境进行额外调整。基于此,本文提出一种基于模糊逻辑的机场飞行区实时地图匹配算法。首先,本文简要介绍地图匹配问题与地图匹配误差的来源,阐述地图匹配算法原理,概述现有的地图匹配算法的研究现状以及参数调整策略应用,为算法研究提供了相应的理论依据。其次,通过对拓扑地图匹配算法参数选取的统计,选取针对机场飞行区的合适参数,并基于参数选择提出一种实时拓扑地图匹配算法。该算法主要包括三个匹配阶段,即初始阶段、非交叉口匹配阶段和交叉路口匹配阶段,在初始匹配阶段与交叉路口匹配阶段结合飞行区拓扑规则以及邻近度、航向差异等几何信息,采用权重计算的方法进行路段识别,完成运动目标地图匹配过程。在完成算法设计后,提出对特定于实例的参数调整工具。将飞行区按照环境特征进行分区,并且在各分区内选取代表实例,针对不同实例,给出环境特征的量化方法,并且将环境特征作为量化输入,算法参数作为输出,结合实例在不同参数组合下的算法执行结果,设置模糊逻辑推理系统,完成特定于实例的参数调整,从而得到各区域内的参数设置水平。在上述研究基础上,以本文提出的算法作为理论支撑,基于ESRI公司的Arc GIS平台开发飞行区运动目标监测平台。最后,为验证算法有效性,本文选取某机场作为案例分析,使用测试实例对优化前后的算法进行匹配效果比较分析。实验证明,经过参数校准的地图匹配算法在匹配效果或算法执行效率上优于原算法。
齐佳惠[6]（2020）在《基于深度学习的三维车辆导航方法研究》文中认为在车辆导航中,惯性导航系统（Inertial Navigation System,INS）通常与全球定位系统（Global Positioning System,GPS）组合使用。这是因为GPS更新频率低,精度高,但易受环境因素影响。而INS是独立的系统,不受外部信息干扰,并且更新频率高,短时间内计算误差小,但位置误差随时间累积增大。因此两者可以实现互补。另外,INS由提供数据的惯性测量单元（Inertial Measurement Unit,IMU）和处理这些原始数据的计算机构成。众所周知,定位精度对于IMU的误差累积和GPS采样频率十分敏感。因此,大多数实际应用的导航系统都采用高成本的IMU和高GPS采样频率。一方面,高精度的IMU价格不菲,难以普及,另一方面,高GPS采样频率将导致过多的能源消耗和通信资源浪费。因此本文致力于低成本低功耗的高精度车辆导航研究,主要使用模型驱动和数据驱动两种方法。模型驱动方法应用经典的松耦合闭环GPS辅助INS标准卡尔曼滤波器对车辆位置和速度误差进行建模,并尝试降低GPS更新频率。数据驱动方法则是本文创新提出的一种基于深度学习的三维导航方法。具体地,该方法在水平方向上,使用两个多层前馈神经网络,分别对车辆的速度和方向加以纠正,而非对位置直接纠正。这样的学习方法在训练轨迹与测试轨迹不同时也可以适用。在垂直方向上,使用卡尔曼滤波器融合INS结果和气压计数据,对位置和速度进行建模。以上两种方法使用的测试数据来自于一款新的专门用于数据收集的智能手机应用程序,其中本文负责该应用程序服务器端（后台）部分的开发和维护。智能手机本身就集成了低成本IMU和GPS单元,同时智能手机中的IMU是商业领域中成本最低的,对应数据的精度也是最低的,符合本文低成本要求。另外,本文还开发一个网页操作平台用来显示当前车辆所在地图中的位置,并提供超速提示,实时天气等信息,实现算法（后端）和操作平台（前端）之间的稳定通信。最后,在香港中文大学（深圳）的校园里,使用通过合作开发的应用收集到的真实数据,对以上两种导航方法进行评估。实验结果表明:对于标准卡尔曼滤波器算法,当GPS更新间隔为1s时,位置误差为0.875m。但随着GPS更新间隔增加到15s时,位置误差达到了65.41m,无法实现车辆导航;对于本文提出的基于深度学习的三维导航方法,在水平方向,当GPS更新间隔为1s时,位置误差为0.756m。当GPS更新间隔为30s时,位置误差在8m左右。在垂直方向上,该方法获得了比GPS更加准确的海拔高度。除此之外,所提出的导航方法还表现出对变化轨迹的良好适应性。在实验过程中,所开发的网页操作平台稳定工作,无卡顿,可与算法无障碍交换数据。
刘丁柯[7]（2020）在《基于车联网的数据采集系统及定位技术研究》文中提出融合智能化与网联化的车联网是汽车行业的发展趋势,不仅可以有效地解决车辆管理问题,更能够减少交通安全事故发生次数,为安全出行保驾护航。高效、准确地获取车辆行车数据和定位信息是车联网发展重要一环,也是车联网更多业务实现的基础。在获取车辆位置信息时,广泛使用的是由全球定位系统（Global Positioning System,GPS）和惯性导航系统（Inertial Navigation System,INS）结合的组合导航系统。但随着城市道路的日益复杂,会出现卫星信号被遮挡、多路径传播等问题导致卫星定位系统失效,而独立INS定位信息会随着时间的推移而产生累积误差。因此,论文围绕卫星导航不稳定问题展开理论和技术研究,分别从终端设备与数据采集、导航定位算法两方面来提高定位导航精度和稳定性。具体研究内容如下:首先,设计开发了整套面向车联网的数据采集系统,包含车载终端和服务器端,能够高效准确的实现车辆行车数据的采集、上传和存储功能。车载终端硬件包括Cortex-M3嵌入式微处理器主控单元,定位数据模块、OBD模块、数据通讯模块和惯性模块等硬件结构。较好的实现了车载终端小型化以及提高车载终端抗抖动能力和对恶劣环境的适应能力,进而对其硬件及相应电路进行了详细的分析。车载终端软件使用嵌入式RTX实时操作系统,实现设备远程在线升级,卫星定位信息获取及OBD接口数据获取、无线模块发送数据等功能。其次,在服务器端,设计开发了车辆数据接收、解析和管理程序,实现终端设备管理、升级和日志查看等功能。围绕卫星定位信号失锁期间车辆无法进行定位的问题,提出一种基于滑动窗口的定位误差建模思路,根据改进的XGBoost回归算法补偿并预测定位误差,同时通过PSO对SW-XGBoost的模型参数进行优化,提高模型的预测准确性,提升GPS信号消失阶段车辆组合导航系统的定位性能,实现车辆在复杂环境下连续可靠的导航定位。最后在真实的城市道路中开展实验,通过对比,验证提出的SW-XGBoost算法的有效性。
岳云霞[8]（2020）在《城市道路智能汽车高精度定位方法研究》文中提出随着社会经济的高速健康发展和城市汽车保有量的快速增加,导致城市建筑结构日益复杂,基于林荫道、高架桥和隧道等遮挡环境下的位置定位变得愈来愈复杂。尤其针对未来自动驾驶、车辆碰撞预警以及行车环境视觉增强等领域中要求更为精准的精度。本论文主要以低成本?高可靠的车辆融合定位为目标,融合GNSS/INS组合导航优势互补的特性,提出了无迹卡尔曼信息融合算法和基于时间序列的神经网络算法,验证了该算法能够满足GNSS在长时间失效情况下的定位精度。对于缓解交通压力、提高道路交通安全可靠性、为城市交通精细化管理与智能化管理提供了重要的理论意义和广泛的使用价值。其具体内容如下所示:首先,为了能够在卫星遮挡环境条件下提高我国城市道路车辆定位系统的精度和可靠性。提出了基于经典卡尔曼滤波框架的位置-速度无迹卡尔曼滤波算法,以GNSS/INS松组合的模式为基础推导了无迹卡尔曼滤波的状态方程以及量测方程,给出了UKF融合算法流程。其次,为了进一步提高城市道路智能汽车定位系统长时间GNSS信号失锁条件的性能,提出了基于时序特征的NARX、LSTM、Elman动态神经网络模型。INS误差会随着时间进行累积并且易受到车辆运动状态的影响,所以设计了带有外部记忆反馈功能特征的高精度GNSS中断时间误差神经网络定位系统结构,构建了NARX、LSTM、Elman网络的高精度定位输入输出之间的关系。并在GNSS信号长时间中断期间实现了对INS误差的预测和补偿?再次,为了满足智能网联汽车车道级实时精度,卫星丢失,无缝导航的需求。本文运用时间同步等技术研制了一套智能化、高精化、一体化的智能网联汽车定位导航系统,包括高精度定位车载系统整体方案设计、硬件设计方案与软件功能设计方案和技术实现。其中所搭建的硬件设备基础平台能够保障车载系统能够在各种的复杂路况中稳定运行,完成各项高性能的卫星定位导航一体化和实时导航信息解算;所搭建的软件平台完成了整个行车信息感知过程中的所有操作,为后续的实验性能测试奠定了基础。最后,通过跑车实验测试结果,验证了无迹卡尔曼非线性滤波估计法以及基于时间序列的Elman神经网络方法均可以有效补偿GNSS信号长时间中断条件下INS的位置误差。其中基于时间序列的单步预测Elman动态神经网络在步长为取0.1s得效果最佳,在信号失锁2min的时间段内,失效距离在0.5m、0.8m范围内的误差占比分别达到82%、100%,在5min时间段内误差占比达到51%、79%,最大值误差、平均绝对误差以及标准差分别达到81.05cm、46.25cm以及22.83cm,取得了略优的精度;基于时间序列的多步预测神经网络在失效1min、2min、5min的时间长度内,最大值误差分别达到65.92cm、74.60cm、73.09cm;平均绝对误差分别达到55.01cm、74.60cm、73.09cm;标准差分别达到6.19cm、10.21cm、6.26cm,克服了INS随时间累积的位置误差缺陷,比无迹卡尔曼算法在长时间GNSS失效条件下具有更好的鲁棒性与实时性,相比于步长为0.1s的单步预测神经网络误差率在失效5min内分别提高了9.8%、3.1%、7.13%,精度得到进一步的提升。验证了基于时间序列的多步预测动态神经网络针对复杂路况长时间失效的情况,能够提供更加准确?可靠的连续定位信息,实现了无缝导航。
李嘉晶[9]（2020）在《基于单轴光纤陀螺的车载组合导航系统研究》文中研究表明双天线GPS导航系统能够提供陆上车辆导航所需的速度、位置和航向角信息,但由于GPS信号输出频率低,并且易受干扰,尤其是在车辆转弯时,很难保证车辆航向角信息的精度,而光纤陀螺捷联惯导系统具有体积小、灵敏度高、输出频率高等众多优点,能够在较短的时间内保持一定的姿态角精度,但对于陆上车载导航光纤陀螺成本较高,因此本文提出一种基于单轴光纤陀螺的低成本的简化惯导系统（简称RISS）设计方案,利用设计的简化惯导系统和双天线GPS导航系统进行组合,提高导航信息的输出频率的同时保证系统输出的航向角信息精度小于0.5?,并基于TMS320C6713DSP芯片实现双天线GPS/RISS组合导航系统的硬件和软件设计。主要研究内容如下:首先对国内外简化惯导系统设计方案进行调研,并详细分析了两种简化惯导系统的工作原理,在此基础上结合实验室现有条件,利用单轴光纤陀螺仪、低成本倾角传感器和加速度计设计了一种新的简化惯导系统,对其工作原理进行详细分析并建立力学编排方程,对影响简化惯导系统导航性能的因素进行详细分析并推导其导航误差模型,研究了GPS系统的组成和定位原理,对比分析伪距定位法和载波相位定位法,并推导基于载波相位法的双天线GPS航向角求解方程。然后研究卡尔曼滤波原理,对比分析直接法滤波和间接法滤波的优缺点,构建基于间接法的双天线GPS/RISS松组合滤波算法模型,并设计轨迹发生器生成轨迹参数进行组合导航算法的仿真研究,仿真结果表明双天线GPS/RISS组合导航系统的航向角精度满足设计要求。其次进行基于DSP+FPGA的组合导航系统的硬件实现和相关软件程序编写,详细介绍了硬件系统的组成及其各部分主要功能,在DSP专用开发环境CCS3.3中设计组合导航系统的控制程序和导航解算程序。最后设计跑车实验,先对双天线GPS的定向精度和安装误差进行检查,再进行跑车试验,实验结果证明设计的导航算法的正确性,双天线GPS在1米基线时,组合导航系统的航向精度可达到0.3?。
焦雨琪[10]（2019）在《基于坐标变换算法的车辆三维定位研究》文中指出随着路网进一步建设和扩展,复杂的三维路况不断增多。车辆在遇到较为复杂的三维场景时,由于一般的定位系统提供的车辆高度信息误差较大,在这种情况下车辆就容易出现定位错误和导航信息不正确的问题。本文研究了车辆在三维路况下利用全球导航卫星系统改进定位精度的定位问题。具体的工作及研究成果如下。（1）针对车辆在复杂三维路况下高度测量误差太大的问题,论文基于车辆在二维平面或曲面上的运动,改进了一种车辆空间定位方法。考虑将三维空间的定位问题变换到二维平面内,利用估计的平面内位置信息来求解高度信息,从而提高其定位精度。再利用三维GIS辅助车辆定位,有效改善在导航系统中车辆桥上桥下不分和悬浮于地面的现象。（2）针对二维平面内的车辆定位精度进一步提高。由于观测噪声方差易受环境干扰,在容积Kalman滤波中引入模糊控制理论对观测噪声方差进行修正。在非线性运动模型下,当车辆的状态参量发生变化时,会发生定位误差增大的现象。为此,论文将基于分布式模糊控制的容积Kalman滤波与交互多模型相结合。从模拟的立交桥场景中,我们可以看出相较于基于分布式模糊控制的容积Kalman滤波,改进算法的整体定位精度能提高35%左右。本文的研究可以为复杂三维路径下的车辆定位提供参考,对智能交通系统中如何确定车辆的位置、速度等状态信息也有一定的帮助。
二、GPS车辆导航系统的设计与实现（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、GPS车辆导航系统的设计与实现（论文提纲范文）
（1）基于IMU辅助更新检测的自适应组合导航系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 INS/GNSS组合导航相关研究现状 |
| 1.2.2 辅助更新相关研究现状 |
| 1.2.3 待解决的问题 |
| 1.3 项目内容及成果 |
| 1.3.1 项目内容 |
| 1.3.2 项目成果 |
| 1.4 论文组织结构 |
| 第二章 相关技术介绍 |
| 2.1 惯性导航相关技术 |
| 2.1.1 坐标系的定义 |
| 2.1.2 惯性导航更新算法 |
| 2.1.3 惯性导航误差分析 |
| 2.2 卡尔曼滤波相关技术 |
| 2.3 组合导航相关技术 |
| 2.4 系统开发技术选择 |
| 2.4.1 嵌入式端开发语言及工具选择 |
| 2.4.2 服务器端开发语言及技术选择 |
| 2.5 本章小结 |
| 第三章 基于IMU的辅助更新检测算法研究 |
| 3.1 自适应组合导航系统 |
| 3.2 基于CNN的车辆运动状态检测算法 |
| 3.2.1 特征选择 |
| 3.2.2 卷积自动编码器 |
| 3.2.3 基于CNN的车辆运动状态检测 |
| 3.3 自适应的失准角估计算法 |
| 3.3.1 Nelder-Mead算法 |
| 3.3.2 失准角估计算法 |
| 3.4 算法计算开销 |
| 3.5 本章小结 |
| 第四章 系统需求分析 |
| 4.1 系统角色分析 |
| 4.2 功能性需求分析 |
| 4.2.1 嵌入式端的功能性需求 |
| 4.2.2 服务器端的功能性需求 |
| 4.3 非功能性需求分析 |
| 4.3.1 性能需求 |
| 4.3.2 可用性需求 |
| 4.3.3 可移植性需求 |
| 4.3.4 可维护性需求 |
| 4.4 本章小结 |
| 第五章 系统概要设计 |
| 5.1 系统总体设计 |
| 5.1.1 系统物理结构设计 |
| 5.1.2 系统总体架构设计 |
| 5.2 嵌入式端功能模块设计 |
| 5.2.1 实时导航模块设计 |
| 5.2.2 数据传输模块 |
| 5.3 服务器端功能模块设计 |
| 5.3.1 注册登录模块设计 |
| 5.3.2 实时导航监控模块设计 |
| 5.3.3 模型管理模块设计 |
| 5.3.4 模型测试模块设计 |
| 5.3.5 导航结果管理模块设计 |
| 5.4 系统数据库设计 |
| 5.4.1 E-R图设计 |
| 5.4.2 数据库表设计 |
| 5.5 系统接口设计 |
| 5.5.1 嵌入式端-服务器端通信接口设计 |
| 5.5.2 MATLAB引擎-服务器端通信接口设计 |
| 5.6 本章小结 |
| 第六章 系统详细设计与实现 |
| 6.1 嵌入式端详细设计与实现 |
| 6.1.1 实时导航模块详细设计与实现 |
| 6.1.2 数据传输模块详细设计与实现 |
| 6.2 服务器端详细设计与实现 |
| 6.2.1 注册登录模块详细设计与实现 |
| 6.2.2 实时导航监控模块详细设计与实现 |
| 6.2.3 模型管理模块详细设计与实现 |
| 6.2.4 模型测试模块详细设计与实现 |
| 6.2.5 导航结果管理模型详细设计与实现 |
| 6.3 本章小结 |
| 第七章 系统测试 |
| 7.1 测试环境 |
| 7.1.1 传感器参数配置 |
| 7.1.2 测试路段 |
| 7.2 系统功能性测试 |
| 7.3 系统非功能性测试 |
| 7.3.1 定位性能测试 |
| 7.3.2 非功能性测试 |
| 7.4 本章小结 |
| 第八章 结束语 |
| 8.1 论文工作总结 |
| 8.2 存在的问题和展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（2）履带式水稻联合收获机辅助导航系统关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 履带式联合收获机地面行驶理论与行走系统研究进展 |
| 1.2.1.1 履带式联合收获机行走转向机构 |
| 1.2.1.2 履带-土壤互作关系分析模型 |
| 1.2.1.3 履带车辆行驶状态研究方法 |
| 1.2.2 农业装备视觉定位导航技术研究概况 |
| 1.2.2.1 农业装备导航定位技术 |
| 1.2.2.2 视觉定位导航图像处理技术 |
| 1.2.2.3 视觉定位导航路径提取技术 |
| 1.2.3 农业装备导航路径跟踪控制技术研究现状 |
| 1.2.3.1 路径跟踪模型 |
| 1.2.3.2 路径跟踪控制算法 |
| 1.2.3.3 联合收获机路径跟踪控制 |
| 1.3 研究目的与研究内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 拟解决的关键技术 |
| 1.3.4 技术路线 |
| 第二章 履带式水稻联合收获机田间行驶基础理论与影响要素分析 |
| 2.1 引言 |
| 2.2 履带-土壤系统力学分析 |
| 2.2.1 土壤应力应变关系 |
| 2.2.2 履带式联合收获机接地比压分布状态 |
| 2.2.3 土壤压力-沉陷模型 |
| 2.2.4 履带-土壤相互作用力 |
| 2.2.4.1 履带与土壤间摩擦力 |
| 2.2.4.2 履带与土壤间挤压力 |
| 2.3 稳态转向运动学分析 |
| 2.3.1 稳态转向运动学模型构建 |
| 2.3.2 稳态转向运动学特征分析 |
| 2.4 田间行驶影响要素分析 |
| 2.4.1 履带对土壤的剪切作用分析 |
| 2.4.2 滑转滑移对运动参数影响分析 |
| 2.4.3 水田土壤物理机械性质对行驶状态影响 |
| 2.5 水田转向运动学试验与运动参数修正模型构建 |
| 2.5.1 试验方法 |
| 2.5.2 试验结果与分析 |
| 2.5.3 运动参数修正模型拟合 |
| 2.6 本章小结 |
| 第三章 履带式水稻联合收获机辅助导航系统总体设计与分析 |
| 3.1 引言 |
| 3.2 辅助导航系统总体结构与工作原理 |
| 3.2.1 辅助导航系统总体结构设计 |
| 3.2.2 辅助导航系统工作原理 |
| 3.3 导航传感器数据采集与信号处理方法 |
| 3.3.1 视觉传感器关键参数分析与图像采集装置优化 |
| 3.3.2 航位传感器数据融合算法设计 |
| 3.3.2.1 航位数据解析与转换 |
| 3.3.2.2 多传感器数据融合扩展卡尔曼滤波器设计 |
| 3.3.3 转速传感器限幅平均滤波器设计 |
| 3.4 辅助导航系统串并联组合式液压转向执行机构设计 |
| 3.4.1 液压转向系统原理分析 |
| 3.4.2 液压转向执行机构设计与关键参数分析 |
| 3.5 辅助导航系统数据采集与液压转向测试分析 |
| 3.5.1 航位信息监测系统试验与分析 |
| 3.5.2 直线行驶偏驶率试验与分析 |
| 3.5.3 转向响应特征试验与分析 |
| 3.6 本章小结 |
| 第四章 基于水稻待收获区域视觉识别的收获路径提取方法 |
| 4.1 引言 |
| 4.2 水稻收获图像预处理方法设计与分析 |
| 4.2.1 畸变图像逆变换矫正模型构建 |
| 4.2.2 图像噪声高斯平滑滤波器设计 |
| 4.3 水稻待收获区域图像分割算法 |
| 4.3.1 水稻收获图像多模型颜色空间特征对比分析 |
| 4.3.2 考虑超红特征的水稻收获图像二值化综合阈值算法 |
| 4.4 收获路径提取方法设计 |
| 4.4.1 基于像素列垂直投影分析的动态ROI决策算法 |
| 4.4.2 基于像素行阶跃相关分析的边界点判定算法 |
| 4.4.3 基于三次B样条曲线的收获路径拟合 |
| 4.5 视觉路径与空间路径的映射关系 |
| 4.6 水稻收获作业路径提取试验与分析 |
| 4.6.1 空间位置关系视觉辨识试验 |
| 4.6.2 作业路径提取试验 |
| 4.7 本章小结 |
| 第五章 履带式水稻联合收获机作业路径跟踪算法与控制策略 |
| 5.1 引言 |
| 5.2 收获路径跟踪过程分析 |
| 5.3 收获路径寻线跟踪模型构建 |
| 5.3.1 收获路径偏差分析 |
| 5.3.2 圆弧-切线寻线跟踪方程建立 |
| 5.3.3 前视距离动态调整策略 |
| 5.3.4 寻线跟踪模型仿真分析 |
| 5.4 液压转向执行机构模糊控制器设计 |
| 5.4.1 基础模糊控制器构建 |
| 5.4.2 控制器参数粒子群算法寻优 |
| 5.4.3 模糊控制器仿真分析 |
| 5.5 基于转向特征在线识别的跟踪控制策略 |
| 5.5.1 转向特性LS-SVM回归模型构建 |
| 5.5.2 控制模型参数分析与优化 |
| 5.6 收获路径跟踪控制试验 |
| 5.6.1 LS-SVM转向特征识别试验与分析 |
| 5.6.2 路径跟踪控制试验与分析 |
| 5.7 本章小结 |
| 第六章 履带式水稻联合收获机辅助导航系统田间试验与分析 |
| 6.1 引言 |
| 6.2 田间试验工况测定 |
| 6.3 试验方法与导航性能评价指标 |
| 6.4 试验结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录A:课题来源 |
| 附录B:注释说明 |
| 附录C:攻读博士学位期间主要科研工作与研究成果 |
| 致谢 |
（3）消防车辆位置实时监控系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题依据及意义 |
| 1.1.1 选题依据 |
| 1.1.2 选题意义 |
| 1.2 国内外研究动态 |
| 1.2.1 国外研究动态 |
| 1.2.2 国内研究动态 |
| 1.3 研究思路及内容 |
| 第二章 消防车辆位置实时监控系统的相关技术 |
| 2.1 GPS定位系统 |
| 2.2 GIS地理信息系统 |
| 2.3 GPRS 通用分组无线服务 |
| 2.3.1 GPRS概述 |
| 2.3.2 GPRS的功能及特点 |
| 2.4 车载设备 |
| 2.5 本章小结 |
| 第三章 消防车辆位置实时监控系统的需求分析 |
| 3.1 系统的必要性分析 |
| 3.2 系统的可行性分析 |
| 3.2.1 系统的技术架构分析 |
| 3.2.2 系统的经济效益分析 |
| 3.2.3 系统的社会效益分析 |
| 3.3 系统的功能需求分析 |
| 3.3.1 系统的总体需求 |
| 3.3.2 车辆的实时信息管理 |
| 3.3.3 车辆的调度管理 |
| 3.3.4 车辆的档案及经济管理 |
| 3.4 系统的非功能需求分析 |
| 3.4.1 系统的信息接口需求 |
| 3.4.2 系统的性能需求 |
| 3.4.3 系统的安全性需求 |
| 3.5 本章小结 |
| 第四章 消防车辆位置实时监控系统的设计 |
| 4.1 系统的总体设计思路 |
| 4.2 车辆实时信息管理的模块设计 |
| 4.2.1 GIS地图匹配系统的结构设计 |
| 4.2.2 GIS地图匹配的实现方法 |
| 4.2.3 GIS地图匹配系统的功能 |
| 4.3 车辆调度管理的模块设计 |
| 4.3.1 指挥中心系统的结构设计 |
| 4.3.2 指挥中心系统的组成部分 |
| 4.3.3 指挥中心系统的路线规划方法 |
| 4.4 车辆档案及经济管理的模块设计 |
| 4.4.1 数据管理系统的结构设计 |
| 4.4.2 数据管理系统的主要功能 |
| 4.5 系统信息接口的模块设计 |
| 4.5.1 GPS模块的接口设计 |
| 4.5.2 GPRS模块的接口设计 |
| 4.5.3 GIS网络数据库的模块设计 |
| 4.6 本章小结 |
| 第五章 消防车辆位置实时监控系统的实现 |
| 5.1 系统界面 |
| 5.1.1 系统登录界面 |
| 5.1.2 系统主界面 |
| 5.2 车辆实时信息管理的模块实现 |
| 5.3 车辆调度管理的模块实现 |
| 5.4 车辆档案及经济管理的模块实现 |
| 5.5 系统工作环境效果图 |
| 5.6 本章小结 |
| 第六章 消防车辆位置实时监控系统的测试 |
| 6.1 测试环境 |
| 6.2 测试用例 |
| 6.2.1 系统通用功能测试 |
| 6.2.2 车辆实时信息管理模块功能测试 |
| 6.2.3 车辆调度管理模块功能测试 |
| 6.2.4 车辆档案及经济管理模块功能测试 |
| 6.3 系统性能测试 |
| 6.3.1 定位精度测试 |
| 6.3.2 延迟时间测试 |
| 6.3.3 通用性能测试 |
| 6.4 系统安全性测试 |
| 6.5 测试结论 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（4）车辆GPS/SINS组合定位技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.3 主要研究内容 |
| 1.4 研究思路和技术路线 |
| 2 GPS系统的工作原理及误差分析 |
| 2.1 GPS导航定位系统的组成 |
| 2.1.1 空间卫星星座部分 |
| 2.1.2 地面监控部分 |
| 2.1.3 用户设备部分 |
| 2.2 GPS定位原理 |
| 2.3 GPS定位误差来源 |
| 2.3.1 与GPS卫星相关的误差 |
| 2.3.2 与信号传播途径相关的误差 |
| 2.3.3 GPS接收机相关的误差 |
| 2.4 GPS数据格式及获取 |
| 2.5 本章小结 |
| 3 捷联式惯性导航系统误差分析与实验 |
| 3.1 捷联式惯性导航系统 |
| 3.1.1 常用坐标系 |
| 3.1.2 坐标系之间的转换 |
| 3.1.3 捷联惯性导航系统的原理 |
| 3.2 捷联式惯性导航系统算法与误差分析 |
| 3.2.1 捷联式惯性导航系统解算方法 |
| 3.2.2 捷联式惯性导航系统误差来源 |
| 3.3 捷联式惯性导航系统静态仿真实验 |
| 3.4 本章小结 |
| 4 组合导航定位系统的设计与实现 |
| 4.1 组合导航定位系统结合方式 |
| 4.2 组合导航定位系统的数据融合方法 |
| 4.2.1 卡尔曼滤波技术 |
| 4.2.2 卡尔曼滤波方程 |
| 4.3 组合导航定位系统的建模 |
| 4.3.1 组合导航定位系统的状态方程建立 |
| 4.3.2 组合导航定位系统的量测方程建立 |
| 4.3.3 组合导航定位系统的状态与量测方程离散化 |
| 4.4 组合导航定位系统硬件设计 |
| 4.5 组合导航定位系统软件设计 |
| 4.5.1 组合导航定位系统功能设计 |
| 4.5.2 组合导航定位系统的模块实现 |
| 4.6 组合导航定位系统实验分析 |
| 4.6.1 组合导航定位系统的仿真实验以及结果分析 |
| 4.6.2 实车实验与结果分析 |
| 4.7 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（5）基于模糊逻辑的机场飞行区实时地图匹配算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.0 地图匹配算法问题描述 |
| 1.3.1 地图匹配算法研究现状 |
| 1.3.2 拓扑地图匹配算法参数 |
| 1.3.3 参数校准策略 |
| 1.3.4 基于模糊逻辑的参数校准方法 |
| 1.3.5 国内外现状综合评述 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 第2章 实时拓扑地图匹配算法设计 |
| 2.1 地图匹配算法参数选取 |
| 2.2 地图匹配算法设计 |
| 2.2.1 总体流程 |
| 2.2.2 初始匹配阶段 |
| 2.2.3 非交叉口匹配阶段 |
| 2.2.4 交叉口匹配阶段 |
| 2.3 本章小结 |
| 第3章 基于模糊逻辑的参数调整工具 |
| 3.1 训练实例选取 |
| 3.1.1 地图数据处理 |
| 3.1.2 区域划分 |
| 3.1.3 训练实例构建 |
| 3.1.4 实例环境特征提取 |
| 3.2 各因素影响分析 |
| 3.2.1 影响因素水平选取 |
| 3.2.2 多元线性回归分析 |
| 3.3 基于模糊逻辑的参数调整工具 |
| 3.3.1 模糊逻辑 |
| 3.3.2 模糊逻辑参数调整工具的设计 |
| 3.4 参数调整与算法调整 |
| 3.5 本章小结 |
| 第4章 飞行区运动目标实时监控系统 |
| 4.1 系统总体设计 |
| 4.1.1 系统设计目标 |
| 4.1.2 系统需求分析 |
| 4.1.3 系统功能分析 |
| 4.2 系统的开发平台与工具 |
| 4.2.1 Arc GIS Enterprise |
| 4.2.2 Arc GIS Geo Event Server |
| 4.3 系统详细设计 |
| 4.3.1 系统体系结构设计 |
| 4.3.2 系统架构图 |
| 4.3.3 系统数据流向 |
| 4.4 系统实例展示 |
| 4.5 本章小结 |
| 第5章 案例分析 |
| 5.1 基础数据及来源 |
| 5.2 参数调整 |
| 5.3 算法测试 |
| 5.4 对比分析与总结 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录 |
（6）基于深度学习的三维车辆导航方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作与创新点 |
| 1.4 章节安排 |
| 2 数据采集模块 |
| 2.1 设计方案 |
| 2.1.1 通信协议选择与介绍 |
| 2.1.2 移动端实现 |
| 2.1.3 服务器端实现 |
| 2.2 数据采集模块测试 |
| 2.3 本章小结 |
| 3 车辆导航模块 |
| 3.1 导航模块模型 |
| 3.1.1 模型介绍 |
| 3.2 基于标准卡尔曼滤波器的导航方法 |
| 3.2.1 卡尔曼滤波器介绍 |
| 3.2.2 传感器数据类型选取 |
| 3.2.3 导航公式推导 |
| 3.2.4 实验结果与分析 |
| 3.3 基于深度学习的导航方法 |
| 3.3.1 深度学习方法介绍 |
| 3.3.2 传感器数据类型选取 |
| 3.3.3 学习单元算法设计 |
| 3.3.4 测试阶段的工作流程 |
| 3.3.5 实验结果与分析 |
| 3.4 本章小结 |
| 4 网页操作平台模块 |
| 4.1 概述 |
| 4.2 技术实现 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）基于车联网的数据采集系统及定位技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 课题研究背景及意义 |
| §1.2 车联网及导航定位应用现状及发展趋势 |
| §1.2.1 车联网(设备)应用现状及发展趋势 |
| §1.2.2 车辆导航定位技术应用现状及发展趋势 |
| §1.3 论文的主要内容及结构 |
| 第二章 车联网设备与车辆定位关键技术 |
| §2.1 车载终端通讯关键技术 |
| §2.1.1 CAN总线技术 |
| §2.1.3 TCP及粘包处理技术 |
| §2.2 车辆定位技术分析 |
| §2.2.1 卫星定位技术 |
| §2.2.2 惯性导航技术 |
| §2.2.3 组合导航技术 |
| §2.3 本章总结 |
| 第三章 车载终端硬件设计与实现 |
| §3.1 硬件整体结构设计与实现 |
| §3.2 车载终端主控板电路设计与实现 |
| §3.2.1 主控板电源模块电路设计 |
| §3.2.2 最小系统模块电路设计 |
| §3.2.3 定位数据模块电路设计 |
| §3.2.4 OBD模块电路设计 |
| §3.2.5 数据通信模块电路设计 |
| §3.2.6 惯性模块电路设计 |
| §3.3 主控板PCB设计 |
| §3.4 本章总结 |
| 第四章 车载终端软件设计与实现 |
| §4.1 车载终端软件整体框架 |
| §4.2 主控芯片与模块通讯设计 |
| §4.2.1 OBD模块通信设计 |
| §4.2.2 定位数据模块通信设计 |
| §4.2.3 数据通讯模块通信设计 |
| §4.3 车载终端IAP程序设计 |
| §4.4 车载终端APP程序设计 |
| §4.4.1 RTX实时操作系统 |
| §4.4.2 数据通讯任务 |
| §4.4.3 数据采集任务 |
| §4.4.4 设备状态任务 |
| §4.5 车载终端软件算法设计 |
| §4.5.2 数据帧设计 |
| §4.5.3 数据传输业务过程 |
| §4.5.4 软件在线升级设计 |
| §4.3 本章总结 |
| 第五章 基于SW-XGBoost的组合导航定位技术 |
| §5.1 SW-XGBoost算法 |
| §5.1.1 XGBoost算法 |
| §5.1.2 PSO优化算法 |
| §5.1.3 滑动窗口算法 |
| §5.2 定位误差补偿方案 |
| §5.2.1 训练阶段 |
| §5.2.2 预测阶段 |
| §5.3 实验结果及分析 |
| §5.3.1 直线路段分析 |
| §5.3.2 弯道路段分析 |
| §5.3.3 交叉路段分析 |
| §5.4 本章总结 |
| 第六章 系统部署与应用 |
| §6.1 系统部署 |
| §6.2 系统应用 |
| §6.3 本章总结 |
| 第七章 总结与展望 |
| §7.1 主要研究工作总结 |
| §7.2 存在问题与展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间主要研究成果 |
（8）城市道路智能汽车高精度定位方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车辆定位技术 |
| 1.2.2 车载定位信息融合方法 |
| 1.3 研究内容与章节安排 |
| 1.3.1 研究内容 |
| 1.3.2章节安排 |
| 第2章 基于非线性滤波高精度定位算法概述 |
| 2.1 卡尔曼滤波 |
| 2.2 无迹卡尔曼滤波 |
| 2.2.1 无迹卡尔曼滤波器 |
| 2.2.2 UKF数据融合算法 |
| 2.2.3 GNSS/INS组合模型 |
| 2.3 无迹卡尔曼滤波高精度定位误差模型 |
| 2.3.1 组合导航状态方程数学模型 |
| 2.3.2 组合导航量测方程数学模型 |
| 2.3.3 UKF融合算法流程 |
| 2.4 本章小结 |
| 第3章 基于时间序列的神经网络高精度定位算法模型 |
| 3.1 .时间序列网络概述 |
| 3.1.1 时间序列分类 |
| 3.1.2 NARX网络结构 |
| 3.1.3 LSTM网络结构 |
| 3.1.4 Elman网络结构 |
| 3.2 模型参数的设定 |
| 3.2.1 数据处理 |
| 3.2.2 模型量化评价指标 |
| 3.2.3 基于时间序列动态网络高精度定位参数设计 |
| 3.2.4 失效预测模型构建 |
| 3.3 基于NARX网络高精度定位输入/输出模型设计 |
| 3.4 基于LSTM网络高精度定位输入/输出模型设计 |
| 3.5 基于Elman网络高精度定位输入/输出模型设计 |
| 3.6 本章小结 |
| 第4章 智能汽车高精度动态定位系统设计 |
| 4.1 .整体方案设计 |
| 4.2 嵌入式系统硬件平台设计 |
| 4.2.1 核心控制模块 |
| 4.2.2 通讯模块 |
| 4.2.3 电源管理模块 |
| 4.2.4 数据存储模块 |
| 4.3 软件平台模块设计 |
| 4.3.1 软件功能设计 |
| 4.3.2 人机交互设计 |
| 4.3.3 组合导航信息融合模块 |
| 4.4 本章小结 |
| 第5章 实验算法性能测试实现与优化 |
| 5.1 实验设备与环境 |
| 5.2 无迹卡尔曼滤波实验验证 |
| 5.2.1 模型预测误差分析 |
| 5.2.2 不同失效时长误差分析 |
| 5.3 Elman网络分析 |
| 5.3.1 模型预测误差分析 |
| 5.3.2 单步预测失效时长误差分析 |
| 5.3.3 多步预测失效时长误差分析 |
| 5.4 讨论与分析 |
| 5.4.1 Elman 网络失效距离误差分析 |
| 5.4.2 Elman网络与无迹卡尔曼滤波量化评价指标对比分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.1.1 本文创新点 |
| 6.1.2 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 一、数据处理 |
| 二、无迹卡尔曼滤波MATLAB代码 |
| 三、参数采集装置实物图 |
| 在学校期间发表的论文及学术成果 |
（9）基于单轴光纤陀螺的车载组合导航系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 简化惯导系统的国内外研究现状 |
| 1.3 双天线GPS的国内外研究现状 |
| 1.4 组合导航的国内外研究现状 |
| 1.5 论文主要研究内容 |
| 第2章 双天线GPS/RISS导航系统研究 |
| 2.1 光纤陀螺原理 |
| 2.1.1 Sagnac效应 |
| 2.1.2 光纤陀螺 |
| 2.2 常用坐标系及坐标变换矩阵 |
| 2.2.1 常用坐标系 |
| 2.2.2 坐标系之间转换 |
| 2.2.3 关于地球的描述 |
| 2.3 两种传统简化惯导系统原理分析 |
| 2.4 基于单轴光纤陀螺的惯导系统设计和算法分析 |
| 2.4.1 基于单轴光纤陀螺的惯导系统设计 |
| 2.4.2 导航信息解算 |
| 2.4.3 导航解算误差类型及误差来源 |
| 2.4.4 系统误差模型 |
| 2.5 双天线GPS定位定向研究 |
| 2.5.1 GPS组成 |
| 2.5.2 GPS系统观测方程 |
| 2.5.3 双天线GPS定向方法 |
| 2.6 本章小结 |
| 第3章 双天线GPS/RISS组合导航算法 |
| 3.1 卡尔曼滤波原理 |
| 3.2 卡尔曼滤波在组合导航中的应用方法 |
| 3.3 惯性/GPS组合模式 |
| 3.4 基于间接法的双天线GPS/RISS松组合算法 |
| 3.5 组合算法的仿真研究 |
| 3.6 本章小结 |
| 第4章 基于DSP和 FPGA的组合导航系统实现 |
| 4.1 硬件系统 |
| 4.1.1 整体设计 |
| 4.1.2 传感器选择 |
| 4.1.3 数据接收与处理部分设计 |
| 4.2 软件设计 |
| 4.2.1 CCS集成开发环境 |
| 4.2.2 控制算法程序设计 |
| 4.2.3 中断服务程序设计 |
| 4.2.4 系统自启动程序设计 |
| 4.2.5 数据传输程序设计 |
| 4.2.6 导航算法程序设计 |
| 4.3 本章小结 |
| 第5章 实验结果与分析 |
| 5.1 双天线GPS定向精度和安装误差检测 |
| 5.2 组合导航系统实验 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文及取得的科研成果 |
| 致谢 |
（10）基于坐标变换算法的车辆三维定位研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 车辆定位导航技术 |
| 1.3 模糊理论 |
| 1.4 论文研究内容与章节安排 |
| 第二章 定位技术及模糊控制系统 |
| 2.1 全球定位系统GPS |
| 2.2 北斗卫星导航系统BDS |
| 2.3 模糊控制系统 |
| 2.4 容积Kalman滤波原理 |
| 2.4.1 Kalman滤波器框架的非线性高斯滤波 |
| 2.4.2 球面-半径的容积准则 |
| 2.4.3 容积Kalman滤波算法流程 |
| 2.5 交互多模型算法 |
| 2.5.1 交互多模型算法 |
| 2.5.2 运动模型 |
| 2.6 速率积分陀螺仪 |
| 第三章 基于坐标变换的车辆三维定位研究 |
| 3.1 坐标变换原理 |
| 3.2 三维GIS在坐标变换中的应用 |
| 3.3 仿真实验及结果分析 |
| 3.4 本章小结 |
| 第四章 模糊自适应容积Kalman滤波在车辆定位中的应用 |
| 4.1 基于分布式模糊控制的容积Kalman滤波(DFCKF)算法原理 |
| 4.1.1 分布式模糊控制系统设计 |
| 4.1.2 DFCKF算法流程 |
| 4.2 DFCKF的仿真分析 |
| 4.2.1 模糊推理系统仿真 |
| 4.2.2 仿真场景一(观测量增添速率积分陀螺仪与没有速率积分陀螺仪相比) |
| 4.2.3 仿真场景二(DFCKF与 CKF相比) |
| 4.3 改进的DFCKF算法 |
| 4.4 IMM仿真系统模型建立 |
| 4.5 IMM-DFCKF的仿真分析 |
| 4.5.1 IMM-DFCKF的 FIS设计 |
| 4.5.2 仿真实验及结果分析 |
| 4.6 测量数据在不同误差下的定位精度分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 致谢 |
四、GPS车辆导航系统的设计与实现（论文参考文献）
- [1]基于IMU辅助更新检测的自适应组合导航系统的研究与实现[D]. 龚依林. 北京邮电大学, 2021(01)
- [2]履带式水稻联合收获机辅助导航系统关键技术研究[D]. 关卓怀. 华中农业大学, 2020(04)
- [3]消防车辆位置实时监控系统的设计与实现[D]. 邓师源. 电子科技大学, 2020(03)
- [4]车辆GPS/SINS组合定位技术研究[D]. 聂敏天. 河南大学, 2020(02)
- [5]基于模糊逻辑的机场飞行区实时地图匹配算法[D]. 徐思轲. 哈尔滨工业大学, 2020(01)
- [6]基于深度学习的三维车辆导航方法研究[D]. 齐佳惠. 北京交通大学, 2020(03)
- [7]基于车联网的数据采集系统及定位技术研究[D]. 刘丁柯. 桂林电子科技大学, 2020(04)
- [8]城市道路智能汽车高精度定位方法研究[D]. 岳云霞. 重庆交通大学, 2020(01)
- [9]基于单轴光纤陀螺的车载组合导航系统研究[D]. 李嘉晶. 哈尔滨工程大学, 2020(05)
- [10]基于坐标变换算法的车辆三维定位研究[D]. 焦雨琪. 南京邮电大学, 2019(02)