基于智能手機(jī)的地圖匹配方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于智能手機(jī)的地圖匹配方法，包括：在智能手機(jī)上安裝具有數(shù)據(jù)采集功能的APP；將智能手機(jī)固定在車(chē)輛內(nèi)，開(kāi)啟具有數(shù)據(jù)采集功能的APP；駕駛車(chē)輛行駛直路和彎道，并人工進(jìn)行事件標(biāo)注，獲取加速度傳感器數(shù)據(jù)；獲取智能手機(jī)坐標(biāo)系與車(chē)輛坐標(biāo)系的對(duì)應(yīng)關(guān)系；對(duì)獲取的加速度傳感器數(shù)據(jù)進(jìn)行校正；對(duì)已標(biāo)注和校正的加速度傳感器數(shù)據(jù)進(jìn)行訓(xùn)練分類(lèi)，得到道路判別模型；采集實(shí)測(cè)路況數(shù)據(jù)，根據(jù)道路判別模型判斷道路類(lèi)別，并結(jié)合道路拓?fù)湫畔?shí)現(xiàn)地圖匹配。本發(fā)明利用手機(jī)傳感器進(jìn)行彎道檢測(cè)并對(duì)現(xiàn)有導(dǎo)航系統(tǒng)進(jìn)行修正能夠一定程度上補(bǔ)償民用GPS系統(tǒng)的精度和地圖系統(tǒng)的不準(zhǔn)確，能夠提供更準(zhǔn)確的導(dǎo)航服務(wù)，使得駕駛行為更加安全。
【專(zhuān)利說(shuō)明】基于智能手機(jī)的地圖匹配方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)字地圖及地圖匹配【技術(shù)領(lǐng)域】，尤其涉及一種基于智能手機(jī)的地圖匹 配方法。

【背景技術(shù)】
[0002] 隨著經(jīng)濟(jì)發(fā)展，道路交通日益發(fā)達(dá)，人們的出行變得更加便利，傳統(tǒng)的地圖早已成 為歷史，全球定位系統(tǒng)（GlobalPositioningSystem,GPS)為現(xiàn)今人們出行提供了導(dǎo)航輔 助。GPS系統(tǒng)利用多顆衛(wèi)星傳輸?shù)慕邮斩说奈恢眯盘?hào)的傳輸和校正來(lái)實(shí)現(xiàn)接收端的位置定 位，24顆衛(wèi)星構(gòu)成的星座系統(tǒng)已經(jīng)幾乎可以覆蓋全球。而現(xiàn)在我們常見(jiàn)的車(chē)載系統(tǒng)就是 GPS系統(tǒng)與地理信息系統(tǒng)（GeographicInformationSystem,GIS)的結(jié)合，利用電子地圖 中的道路位置的地圖信息在一定程度上補(bǔ)償民用GPS定位精度偏低的問(wèn)題。伴隨無(wú)線通信 技術(shù)的提升，GPS接收端可以縮小到一個(gè)傳感器大小封裝到手機(jī)中，因此智能手機(jī)平臺(tái)搭載 導(dǎo)航系統(tǒng)的模式也日益普及，并且催生出大量先進(jìn)駕駛輔助系統(tǒng)的應(yīng)用，它們能夠提供更 加舒適、更好高效，更加安全的服務(wù)。現(xiàn)在已經(jīng)可以用手機(jī)取代傳統(tǒng)車(chē)載地圖的功能。
[0003] 然而在復(fù)雜路況的情況下，無(wú)論是傳統(tǒng)的車(chē)載地圖還是手機(jī)導(dǎo)航，都存在定位不 準(zhǔn)確、部分地理信息缺失的情況，尤其是車(chē)輛過(guò)隧道、經(jīng)過(guò)彎道等情況下這種不足更加明 顯。因此本專(zhuān)利提出一種基于智能手機(jī)平臺(tái)，利用手機(jī)傳感器判斷車(chē)輛彎道狀態(tài)位置信息 的修正車(chē)載導(dǎo)航駕駛輔助定位系統(tǒng)。
[0004] 智能手機(jī)迅猛發(fā)展，全球市場(chǎng)研究公司（Gartner)數(shù)據(jù)顯示，2013年第二季度 全球智能手機(jī)銷(xiāo)量首次超越了功能手機(jī)。同時(shí)去年第二季度調(diào)查顯示開(kāi)源手機(jī)操作系統(tǒng) 安卓（Android)系統(tǒng)全球市場(chǎng)占有率為79%，形成了一家獨(dú)大的局面。人們?nèi)绱绥娗橛?智能手機(jī)的原因之一就是，和傳統(tǒng)手機(jī)比較，智能手機(jī)內(nèi)置許多簡(jiǎn)單便捷的手機(jī)應(yīng)用程序 (Application，APP)，能夠給人們提供更舒適、便捷的生活體驗(yàn)。而這些APP不少得益于智 能手機(jī)內(nèi)部集成的諸多傳感器。一般情況下，智能手機(jī)內(nèi)部會(huì)集成溫度傳感器、重力感應(yīng)、 距離傳感器、電子羅盤(pán)、光線傳感器、三軸陀螺儀、紅外線傳感器等傳感器裝置等，這就給后 續(xù)APP開(kāi)發(fā)提供了一個(gè)強(qiáng)大而便捷的平臺(tái)。
[0005]GPS系統(tǒng)起源于上世紀(jì)五十年代末期的美國(guó)，與六十年代投入使用，最初是為軍事 用途設(shè)計(jì)，后逐漸開(kāi)放民用領(lǐng)域，但定位精度遠(yuǎn)低于軍用。整個(gè)系統(tǒng)由24顆衛(wèi)星組成星座， 定位范圍覆蓋全球98%的區(qū)域。一般來(lái)講，完成常用的導(dǎo)航功能需要導(dǎo)航衛(wèi)星和地面接收 設(shè)備，導(dǎo)航衛(wèi)星不停的發(fā)出時(shí)間和衛(wèi)星的位置，間隔三十秒循環(huán)發(fā)射；由地面的接收機(jī)接收 導(dǎo)航衛(wèi)星發(fā)出的消息，測(cè)量出已知位置衛(wèi)星和接收機(jī)之間的距離，通過(guò)綜合多顆衛(wèi)星的數(shù) 據(jù)進(jìn)行修正，一般修正過(guò)程至少需要4顆衛(wèi)星的信息。一般車(chē)載地圖正是利用GPS系統(tǒng)進(jìn)行 導(dǎo)航。然而對(duì)于開(kāi)放的民用碼來(lái)說(shuō)，由于衛(wèi)星鐘差、衛(wèi)星星歷誤差、電離層延遲誤差、對(duì)流層 延遲誤差、多徑效應(yīng)誤差、接收機(jī)噪聲誤差、遮擋物等原因，精度只能達(dá)到約20m左右；在地 圖精度較高的情況下，導(dǎo)航精度會(huì)相應(yīng)的提高。然而在彎道，尤其是盤(pán)山路等危險(xiǎn)路況下的 彎道情況，導(dǎo)航的定位精度仍然不理想，這就需要結(jié)合彎道檢測(cè)等技術(shù)的修正來(lái)提升精度。
[0006] 現(xiàn)有技術(shù)《基于拓?fù)浣Y(jié)構(gòu)的地圖匹配算法研究》中通過(guò)利用軟件糾偏的方法對(duì)車(chē) 輛的定位數(shù)據(jù)與電子地圖數(shù)據(jù)進(jìn)行配準(zhǔn)糾正，來(lái)減小電子地圖的道路信息和GPS定位信息 間的顯示誤差。計(jì)算待匹配道路權(quán)重、采用模糊匹配策略、去除不連通道路最后采用線性插 值法進(jìn)行地圖匹配。通過(guò)試驗(yàn)該匹配算法的匹配正確率不低于96%，單點(diǎn)匹配時(shí)間不超過(guò) 10ms。該方法已應(yīng)用于實(shí)際的工程應(yīng)用，并取得了良好的效果。
[0007] 現(xiàn)有技術(shù)《GPS導(dǎo)航系統(tǒng)中的地圖匹配算法》中利用權(quán)值選出匹配路段，并將全球 定位系統(tǒng)（GPS)軌跡點(diǎn)投影到匹配路段上，在交叉路口以平行四邊形匹配準(zhǔn)則消除車(chē)輛軌 跡點(diǎn)沿道路方向的誤差，通過(guò)動(dòng)態(tài)偏差更新，解決衛(wèi)星換星、大氣云層遮擋、多路徑效應(yīng)等 因素造成的偏差問(wèn)題。引入該算法的GPS車(chē)載系統(tǒng)在合肥市實(shí)地跑車(chē)實(shí)驗(yàn)結(jié)果表明，其對(duì) 于復(fù)雜路況仍能進(jìn)行正確匹配，真實(shí)再現(xiàn)車(chē)輛行駛情況。
[0008] 由上可見(jiàn)，現(xiàn)有技術(shù)多數(shù)采用地圖匹配對(duì)導(dǎo)航系統(tǒng)進(jìn)行誤差修正，提升精度。地圖 匹配主要解決：尋找車(chē)輛當(dāng)前行駛的道路以及將當(dāng)前定位點(diǎn)投影到車(chē)輛行駛的道路上。盡 管現(xiàn)有的地圖匹配算法匹配正確率較高，然而仍存在以下不足：
[0009] ( -）行駛道路的選定會(huì)影響算法性能，對(duì)于不同路段算法的性能存在明顯差異；
[0010](二）耗時(shí)較多，由于GPS誤差等原因，在尋找匹配道路的過(guò)程中存在較大的時(shí)間 損耗；
[0011] (三）GPS能耗高，GPS更新速度在1?50hz不等，因此實(shí)時(shí)性能優(yōu)勢(shì)不明顯；
[0012](四）彎道情況下地圖匹配難度明顯，若車(chē)速?gòu)?0?100km/S，GPS更新速度為 lhz，那么前后GPS點(diǎn)可能差距13. 9?27. 8m不等，這如果是在車(chē)輛拐彎處或變化較大的路 段，這種匹配難度就更加顯著。
[0013]目前的方法有采用視頻校正也有采用基于拓?fù)浣Y(jié)構(gòu)的模式識(shí)別算法，但由于需要 額外的采集設(shè)備和運(yùn)算，這種校正方便的便攜性較低，成本預(yù)算偏高。而且，一般來(lái)說(shuō)，在直 道和非復(fù)雜路段，目前GPS定位精度已經(jīng)可以基本滿足導(dǎo)航需求，需要迫切提升其精度需 求的往往是彎道路段和復(fù)雜路況。
[0014] 因此，針對(duì)上述技術(shù)問(wèn)題，有必要提供一種基于智能手機(jī)的地圖匹配方法。


【發(fā)明內(nèi)容】

[0015] 有鑒于此，本發(fā)明的目的在于提供一種基于智能手機(jī)的地圖匹配方法，其使用人 們?nèi)粘Ｋ玫闹悄苁謾C(jī)作為平臺(tái)工具，通過(guò)檢測(cè)車(chē)輛的運(yùn)動(dòng)狀態(tài)，檢測(cè)車(chē)輛是否處于彎道 處，結(jié)合現(xiàn)有的導(dǎo)航系統(tǒng)，對(duì)其定位誤差進(jìn)行修正、導(dǎo)航精度進(jìn)行提升。
[0016] 為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供的技術(shù)方案如下：
[0017] 一種基于智能手機(jī)的地圖匹配方法，所述方法包括以下步驟：
[0018] S1、在智能手機(jī)上安裝具有數(shù)據(jù)采集功能的APP;
[0019] S2、將智能手機(jī)固定在車(chē)輛內(nèi)，開(kāi)啟具有數(shù)據(jù)采集功能的APP;
[0020]S3、駕駛車(chē)輛行駛直路和彎道，并人工進(jìn)行事件標(biāo)注，獲取加速度傳感器數(shù)據(jù)；
[0021]S4、獲取智能手機(jī)坐標(biāo)系與車(chē)輛坐標(biāo)系的對(duì)應(yīng)關(guān)系；
[0022] S5、對(duì)獲取的加速度傳感器數(shù)據(jù)進(jìn)行校正；
[0023] S6、對(duì)已標(biāo)注和校正的加速度傳感器數(shù)據(jù)進(jìn)行訓(xùn)練分類(lèi)，得到道路判別模型；
[0024] S7、采集實(shí)測(cè)路況數(shù)據(jù)，根據(jù)道路判別模型判斷道路類(lèi)別，并結(jié)合道路拓?fù)湫畔?shí) 現(xiàn)地圖匹配。
[0025] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述智能手機(jī)中的APP采集的數(shù)據(jù)包括GPS數(shù)據(jù)和加 速度傳感器數(shù)據(jù)。
[0026] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述加速度傳感器數(shù)據(jù)包括車(chē)輛行駛切線方向、水平 切線方向、以及垂直于水平面向上方向三個(gè)方向上的線加速度。
[0027] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述GPS數(shù)據(jù)包括經(jīng)度、緯度、海拔高度。
[0028] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述GPS數(shù)據(jù)和加速度傳感器數(shù)據(jù)還包括手機(jī)系統(tǒng)時(shí) 間和手機(jī)從開(kāi)始到數(shù)據(jù)獲取的時(shí)間。
[0029] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S6具體為：
[0030] 采用監(jiān)督學(xué)習(xí)方法，訓(xùn)練加速度傳感器數(shù)據(jù)并形成道路判別模型，模型建立完成 后，測(cè)試數(shù)據(jù)檢驗(yàn)道路判別模型的正確率和魯棒性。
[0031] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S6包括：
[0032]S61、數(shù)據(jù)預(yù)處理，對(duì)數(shù)據(jù)進(jìn)行去臟和去噪處理；
[0033]S62、特征提取，提取數(shù)據(jù)的時(shí)域特征和頻域特征；
[0034]S63、采用監(jiān)督學(xué)習(xí)方法建立道路判別模型。
[0035] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述時(shí)域特征包括預(yù)處理后的加速度值、每個(gè)小段里 加速度值的均值和方差、整段數(shù)據(jù)的均值和方差；頻域特征包括預(yù)處理后的加速度值轉(zhuǎn)換 到頻域的幅度值、幅度值的均值和方差。
[0036] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述道路判別模型的道路類(lèi)別包括左彎道明顯、右彎 道明顯、直路、左彎道不明顯、右彎道不明顯。
[0037] 本發(fā)明具有以下有益效果：
[0038] 本發(fā)明利用手機(jī)傳感器進(jìn)行彎道檢測(cè)并對(duì)現(xiàn)有導(dǎo)航系統(tǒng)進(jìn)行修正能夠一定程度 上補(bǔ)償民用GPS系統(tǒng)的精度和地圖系統(tǒng)的不準(zhǔn)確，尤其是在駕駛轉(zhuǎn)彎行為頻發(fā)的彎道路段 和駕駛行為較為豐富的復(fù)雜路段，此種補(bǔ)償能夠提供更準(zhǔn)確的導(dǎo)航服務(wù)，使得駕駛行為更 加安全。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0039] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本 發(fā)明中記載的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下， 還可以根據(jù)這些附圖獲得其他的附圖。
[0040] 圖1為本發(fā)明基于智能手機(jī)的地圖匹配方法的具體流程圖。
[0041] 圖2a、2b分別為本發(fā)明一【具體實(shí)施方式】中智能手機(jī)和車(chē)輛的坐標(biāo)示意圖。
[0042] 圖3為本發(fā)明一【具體實(shí)施方式】中包含錯(cuò)誤數(shù)據(jù)和噪聲數(shù)據(jù)的原始加速度傳感器 值示意圖。
[0043] 圖4為本發(fā)明一【具體實(shí)施方式】中經(jīng)過(guò)數(shù)據(jù)預(yù)處理去臟和去噪后的加速度傳感器 值示意圖。
[0044] 圖5為本發(fā)明一【具體實(shí)施方式】中分類(lèi)方法的模板示意圖。

【具體實(shí)施方式】
[0045] 為了使本【技術(shù)領(lǐng)域】的人員更好地理解本發(fā)明中的技術(shù)方案，下面將結(jié)合本發(fā)明實(shí) 施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施 例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通 技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù) 的范圍。
[0046] 本發(fā)明是基于智能手機(jī)平臺(tái)的彎道檢測(cè)進(jìn)而進(jìn)行導(dǎo)航地圖修正方法。所采用的智 能手機(jī)傳感器，是手機(jī)內(nèi)部?jī)?nèi)置的加速度傳感器和GPS接收模塊。首先通過(guò)加速度傳感器 采集的數(shù)據(jù)分析，判斷車(chē)輛是否行駛過(guò)彎道以及彎道情況等信息。接下來(lái)通過(guò)結(jié)合道路拓 撲信息，實(shí)現(xiàn)數(shù)字地圖和車(chē)輛所在道路（彎道或直道）的匹配，以期修正GPS定位誤差和地 圖信息的缺失。
[0047] 參圖1所示，本發(fā)明公開(kāi)了一種基于智能手機(jī)的地圖匹配方法，包括以下步驟：
[0048] 一、行駛道路判別：
[0049]S1、在智能手機(jī)上安裝具有數(shù)據(jù)采集功能的APP;
[0050]S2、將智能手機(jī)固定在車(chē)輛內(nèi)，開(kāi)啟具有數(shù)據(jù)采集功能的APP;
[0051]S3、駕駛車(chē)輛行駛直路和彎道，并人工進(jìn)行事件標(biāo)注，獲取加速度傳感器數(shù)據(jù)；
[0052]S4、獲取智能手機(jī)坐標(biāo)系與車(chē)輛坐標(biāo)系的對(duì)應(yīng)關(guān)系；
[0053]S5、對(duì)獲取的加速度傳感器數(shù)據(jù)進(jìn)行校正；
[0054]S6、對(duì)已標(biāo)注和校正的加速度傳感器數(shù)據(jù)進(jìn)行訓(xùn)練分類(lèi)，得到道路判別模型。步驟 S6具體包括：
[0055]S61、數(shù)據(jù)預(yù)處理，對(duì)數(shù)據(jù)進(jìn)行去臟和去噪處理；
[0056]S62、特征提取，提取數(shù)據(jù)的時(shí)域特征和頻域特征；
[0057]S63、采用監(jiān)督學(xué)習(xí)方法建立道路判別模型。
[0058]二、彎道拓?fù)湫畔⑵ヅ渑c車(chē)載地圖修正：
[0059]S7、采集實(shí)測(cè)路況數(shù)據(jù)，根據(jù)道路判別模型判斷道路類(lèi)別，并結(jié)合道路拓?fù)湫畔?shí) 現(xiàn)地圖匹配。
[0060] 以下結(jié)合【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0061] 一、行駛道路類(lèi)型判斷
[0062]S1、將有數(shù)據(jù)采集功能的APP安裝智能手機(jī)上。
[0063] 基于智能手機(jī)平臺(tái)編寫(xiě)數(shù)據(jù)采集APP，主要有數(shù)據(jù)采集開(kāi)始按鍵，以及采集停止按 鍵，并顯示道路類(lèi)型：明顯彎道開(kāi)始、明顯彎道結(jié)束、不明顯彎道開(kāi)始、不明顯彎道結(jié)束、直 路開(kāi)始以及直路結(jié)束。
[0064] 采集的數(shù)據(jù)包括GPS數(shù)據(jù)和加速度傳感器數(shù)據(jù)，GPS數(shù)據(jù)格式如表2,加速度傳感 器數(shù)據(jù)如表1。其中加速度是接下來(lái)判斷車(chē)輛狀態(tài)的關(guān)鍵，它利用慣性原理，能夠感知到加 速力的變化。加速力就是當(dāng)物體在加速過(guò)程中作用在物體上的力，比如晃動(dòng)、跌落、上升、下 降等各種移動(dòng)變化都能被其轉(zhuǎn)化為電信號(hào)。而GPS信號(hào)中則包括定位、測(cè)速和高精度的時(shí) 間標(biāo)準(zhǔn)。我們采集到的數(shù)據(jù)是GPS中的經(jīng)度、緯度、海拔高度、手機(jī)系統(tǒng)時(shí)間、以及手機(jī)從開(kāi) 始到數(shù)據(jù)獲取的時(shí)間。
[0065]表1加速度傳感器數(shù)據(jù)及時(shí)間
[00661
[0067]表2GPS數(shù)據(jù)及時(shí)間
[0068]

【權(quán)利要求】
1. 一種基于智能手機(jī)的地圖匹配方法，其特征在于，所述方法包括以下步驟： 51、 在智能手機(jī)上安裝具有數(shù)據(jù)采集功能的APP ; 52、 將智能手機(jī)固定在車(chē)輛內(nèi)，開(kāi)啟具有數(shù)據(jù)采集功能的APP ; 53、 駕駛車(chē)輛行駛直路和彎道，并人工進(jìn)行事件標(biāo)注，獲取加速度傳感器數(shù)據(jù)； 54、 獲取智能手機(jī)坐標(biāo)系與車(chē)輛坐標(biāo)系的對(duì)應(yīng)關(guān)系； 55、 對(duì)獲取的加速度傳感器數(shù)據(jù)進(jìn)行校正； 56、 對(duì)已標(biāo)注和校正的加速度傳感器數(shù)據(jù)進(jìn)行訓(xùn)練分類(lèi)，得到道路判別模型； 57、 采集實(shí)測(cè)路況數(shù)據(jù)，根據(jù)道路判別模型判斷道路類(lèi)別，并結(jié)合道路拓?fù)湫畔?shí)現(xiàn)地 圖匹配。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述智能手機(jī)中的APP采集的數(shù)據(jù)包括 GPS數(shù)據(jù)和加速度傳感器數(shù)據(jù)。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述加速度傳感器數(shù)據(jù)包括車(chē)輛行駛切 線方向、水平切線方向、以及垂直于水平面向上方向三個(gè)方向上的線加速度。
4. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述GPS數(shù)據(jù)包括經(jīng)度、緯度、海拔高度。
5. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述GPS數(shù)據(jù)和加速度傳感器數(shù)據(jù)還包括 手機(jī)系統(tǒng)時(shí)間和手機(jī)從開(kāi)始到數(shù)據(jù)獲取的時(shí)間。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S6具體為： 采用監(jiān)督學(xué)習(xí)方法，訓(xùn)練加速度傳感器數(shù)據(jù)并形成道路判別模型，模型建立完成后，測(cè) 試數(shù)據(jù)檢驗(yàn)道路判別模型的正確率和魯棒性。
7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S6包括： 561、 數(shù)據(jù)預(yù)處理，對(duì)數(shù)據(jù)進(jìn)行去臟和去噪處理； 562、 特征提取，提取數(shù)據(jù)的時(shí)域特征和頻域特征； 563、 采用監(jiān)督學(xué)習(xí)方法建立道路判別模型。
8. 根據(jù)權(quán)利要求7所述的方法，其特征在于，所述時(shí)域特征包括預(yù)處理后的加速度值、 每個(gè)小段里加速度值的均值和方差、整段數(shù)據(jù)的均值和方差；頻域特征包括預(yù)處理后的加 速度值轉(zhuǎn)換到頻域的幅度值、幅度值的均值和方差。
9. 根據(jù)權(quán)利要求7所述的方法，其特征在于，所述道路判別模型的道路類(lèi)別包括左彎 道明顯、右彎道明顯、直路、左彎道不明顯、右彎道不明顯。
【文檔編號(hào)】G01C21/30GK104236566SQ201410495525
【公開(kāi)日】2014年12月24日 申請(qǐng)日期:2014年9月24日 優(yōu)先權(quán)日:2014年9月24日
【發(fā)明者】黃曉霞, 陳新平, 王維語(yǔ), 黃浩權(quán), 王珊珊 申請(qǐng)人:深圳先進(jìn)技術(shù)研究院