详情

原文传递一种基于机器学习的导航数据点提取缺失道路的方法

专利名称：	一种基于机器学习的导航数据点提取缺失道路的方法
摘要：	本发明公开了一种基于机器学习的导航数据点提取缺失道路的方法，采用导航终端软件所获取的GPS数据，通过矢量连接法完成缺失道路网的自动生成，结合机器学习方法进行交叉路口和弯道的检测从而完成道路网络优化。本发明的优点在于：1、生成的道路具有鲁棒性：准确地探测出多数人行驶的轨迹，对于只有极少数人走过的道路具有很好的规避效果。2、能够更加准确地表达出缺失路网的拓扑信息：对于直道与弯道有良好的区分，对于路口能够较准确地提取。
专利类型：	发明专利
国家地区组织代码：	上海;31
申请人：	同济大学;弈人（上海）科技有限公司
发明人：	吴杭彬;许泽然;吴广君
专利状态：	有效
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN201810581904.6
公开号：	CN108959414A
代理机构：	成都方圆聿联专利代理事务所(普通合伙) 51241
代理人：	李鹏
分类号：	G06F17/30(2006.01)I;G06N99/00(2010.01)I;G01C21/34(2006.01)I;G;G06;G01;G06F;G06N;G01C;G06F17;G06N99;G01C21;G06F17/30;G06N99/00;G01C21/34
申请人地址：	200092 上海市杨浦区四平路1239号
主权项：	1.一种基于机器学习的导航数据点提取缺失道路的方法，其特征在于，包括如下步骤：S1：将原有道路网高斯投影后栅格化，并进行形态学中的膨胀运算，再将GPS点中的经纬度数据进行高斯投影与原有道路网的栅格图像进行对比，从而删去属于原有道路网的GPS点数据，剩余的数据点为属于缺失区域的GPS位置点；S2：设道路的宽度为D；取一半径R，R＝D，每个GPS点以自己为圆心，R为半径作圆；落入该圆内的点数N；S3：根据各点的N进行排序取最大者作为第一点即获得轨迹线段的初始点P0，以该点为中心作一个半径为R的圆和一个半径为3×R的圆，两个圆分别记为CR和C3R，用C3R减去CR得到一个圆环，记圆环中所有GPS点为点集S，计算点集S中的每个GPS点以自己为圆心，R为半径做圆，点集S中点落入该圆的点数记为Nt，取Nt为最大者作为本点P0的下一点P1，并记录下连接顺序；然后再从P1开始，用S3相同的方法向后寻找；得到一个区域的道路中心点以及点之间的连接关系；S4：针对每个轨迹中心点，以自身为圆心，作一半径为r的圆，r＝D/2，取得所有落在该圆内的原始点记为点集Sr，对Sr中所有点的方位角和速度进行统计；根据正常的驾驶习惯可以推测出：1、直道上点的Sr中会有两种方位角α1和α2，若是单行道则只有α1和α2其中一种，它们的数量占所有方位角数据的绝大部分，且在两者之间存在关系α1＝α2±180°±10°；2、在交叉路口处会出现多种方位角，且速度较慢；3、在弯道处速度较为集中，不会太慢也不会太快，且方位角情况与直道类似，但分布不如直道集中；S5：对上述特征进行统计描述；对每个轨迹中心点的Sr内的每个点统计其方位角、180°化之后的方位角以及速度，分别计算这些统计量的峰度、偏度、熵以及标准差，这样每个中心点的点集Sr就转化为一个12维的特征向量F；F＝[KαSKαSαSDαKα～180SKα～180SDα～180KVSKVSVSDV]T其中，Kα为方位角峰度；SDα为方位角标准差；SKα为方位角偏度；Sα为方位角熵；Kα～180为方位角180°化后峰度；SKα～180为方位角180°化后偏度；Sα～180为方位角180°化后熵；SDα～180为方位角180°化后标准差；KV为速度峰度；SKV为速度偏度；SV为速度熵；SDV为速度标准差；使用机器学习中支持向量机的方法，对典型交叉路口、弯道和直道三种中心点各自对应的特征向量进行样本训练，从而得到机器学习模型；S6：得到模型后针对每一条中心点轨迹LB：首先新建一条轨迹记为LT，LT的起点与LB相同，然后从第二点开始利用模型逐点判断LB中的点，分为三种情况：1.直道上的点：无操作；2.是弯道上的点：将该点加入LT；3.是交叉路口的点：将该点加入点集SC；将该点加入LT并作为其终点，记录下LT中的所有点以及点之间的连接关系，然后清空LT中所有点，加入该点为起点；S7：最终每次记录下的LT即为该区域道路，而SC中所有点即为道路的节点。
所属类别：	发明专利