導航演算法類

『壹』 gps地圖如何導航編輯為你揭秘導航演算法

4.1 地圖匹配問題介紹
利用車載GPS接收機實時獲得車輛軌跡，進而確定其在交通矢量地圖道路上的位置，是當前車載導航系統的基礎。獨立GPS車載導航系統中克服GPS誤差以及地圖誤差顯示車輛在道路網上的位置主要是通過地圖匹配演算法，也就是根據GPS信號中的數據和地圖道路網信息，利用幾何方法、概率統計方法、模式識別
或者人工神經網路等技術將車輛位置匹配到地圖道路上的相應位置 [8-12]。由於行駛中的車輛絕大部分都是在道路上的，所以通常的地圖演算法都有一個車輛在道路上的默認前提。地圖匹配的准確性決定了
GPS車輛導航系統的准確性、實時性與可靠性。具體來說取決於兩方面：確定當前車輛正在行駛的路段的准確性與確定車輛在行駛路段上的位置的准確性。前者是現有演算法的研究重點，而後者涉及到沿道路方向的誤差校正，在現有演算法中還沒有得以有效解決。地圖匹配的目標是將軌跡匹配到道路上，當道路是准確的時，也就成了確定GPS的准確位置，然後利用垂直映射方法完成匹配。要實時獲得車輛所在的道路及位置通過地圖匹配來實現是一種比較普遍而且成本較低的方法。車輛導航與定位系統中的地圖匹配問題概括來講就是將車載GPS接收機獲得的帶有誤差的GPS軌跡位置匹配到帶有誤差的交通矢量地圖道路上的相應位置。下面我們通過具體的數學模型來給地圖匹配問題以詳細的數學描述。
地圖匹配的基本過程如圖4.1所示。符號定義及其物理意義說明如下：
1) g(k)是車輛GPS軌跡點，內容為k時刻車輛上的GPS定位數據（經緯度），對應於矢量地圖上相應的經緯度位置點。由於GPS誤差和矢量地圖誤差的存在，當車輛在道路弧段Si 上行駛時，g(k)通常並不位於弧段Si 上。
2) p(k )為g(k)的地圖道路匹配點，表示地圖匹配演算法對g(k)進行偏差修正獲得的車輛k時刻在矢量地圖道路上的對應點，簡稱g(k)的匹配點。匹配點所在矢量地圖弧段Si上的位置，應該盡可能反映出實際車輛在該段道路上的相應位置。
3) e(k)為g(k)的地圖匹配修正量，表示g(k)與其匹配點p(k)間的誤差修正。需要指明匹配點所在的弧段p(k) .Si 時，使用符號e(k)[Si ] 表示g(k)對於弧段Si 上的匹配點所使用的匹配修正量。上述3個基本量之間的關系如圖畫所示，即p(k) = g(k) + e(k) (4)
地圖匹配修正量e(k)源自於GPS定位誤差和交通矢量地圖精度誤差的綜合誤差效應。

『貳』 導航演算法常用什麼編程語言

導航很寬泛的，就拿武大來說，信息學部的武測，國重，中心，甚至遙感，地信都可能相關，方向不同側重也不一樣。就拿衛星導航來說，搞信號的在接收機這塊厲害，武測在後面精密定位厲害，搞控制的在和慣性組合厲害。
武測的話，做後端演算法啊rtk應用的多，最近也開始做ins的組合，對c/c++使用的也多。當然c你會了，matlab肯定不難。中心的話做的就更廣了，有些需要在linux環境下編程。
當然編程語言還是取決於你後面的選擇，如果你要本科畢業直接找工作，那以編程當飯碗建議還是把武測的編程培訓學校報了，老老實實上下來提高自己水平。
如果是讀研，那語言這邊看老闆項目需求啊，課題組參加什麼比賽需求之類的，這個就不好說了。

『叄』 導航電子地圖的地圖匹配演算法有哪些

騰訊地圖不但可以看導航，還能搜索你所在位置周邊的交通出行、美食暢飲、酒店住宿、娛樂休閑、生活服務。而且定期還有養護車的提示呢，有了騰訊地圖你連嘀嘀打車都不用安了，直接在軟體裡面就有一項功能直接能連接到滴滴出行，可以隨時隨地的叫車。是出行的必備神器。

『肆』 常用的導航/路徑規劃軟體都用到哪些演算法

一般都是分層做的。譬如說你要從廣州到北京，開車怎麼走，當然不可能直接在路上規劃吧，這樣計算量太大了。比較理想的方法是，我先知道到底要經過多少城市，從每一個城市到下一個城市之間如何走才能用高速連接起來，你需要訪問的數據就小得多。當最後約束到一個區那麼大的地方的時候，直接上DP還是可以在可接受的時間內做出來的。

『伍』 全國公路導航演算法設計

具體請Google弗洛伊德演算法 或 任意一本數據結構書

弗洛伊德演算法解決的就是帶權圖每對頂點間的最短路徑問題。（權值分別用 路費 速度 即可）....

『陸』 有關慣性導航深度學習演算法的選取。

實現人工智慧的基礎是大數據應用，現在有很多關於機器學習的演算法，用什麼語言實現不重要關鍵是演算法能不能理解，這里推薦《數學之美》，谷歌翻譯引擎的演算法介紹，這是很著名的人工智慧，還有Jiawei Han，Micheline Kamber的《數據挖掘技術》這本書，說實話數據挖掘是人工智慧的基礎。SimonHaykin的《神經網路演算法》，當然，前提是你有良好的C/C++基礎和數據結構基礎，對分布式有一定的了解，說實話這方面國內才是剛起步，還很爛，看看網路的智能聊天機器人，三句話邏輯就已經跑飛了，比谷歌翻譯識別人類語言的水平還要差一些。
關於模式識別，現在應用最多的就是計算機視覺了，這個還得用到一部分數字信號處理的理論，國內的水平也就停留在識別指紋，識別車牌這種程度了，淘寶搞出來的人臉識別各種識別不出來，而且效率還很低，需要你做一些特殊的姿勢，這個比微軟搞出的BEAT版人臉識別都要爛。
如果是想研究這方面的技術可以看看包括我說的那些書籍在內的相關資料，要是想靠這個就業什麼的，就不要多想了，這些東西設計的數學知識不是一天兩天能學會的，有些專家搞了幾十年還在為提高一點識別率而煞費心機，就業的話還是學學應用技術吧。畢竟國內做的東西不要求什麼高端，只要能幫老闆騙來錢就算成功了。

『柒』 衛星導航演算法是怎麼回事屬於什麼專業呢

有專門的衛星導航專業。
衛星導航演算法摘要：
隨著人們對GPS定位技術研究的不斷深入，其應用領域已擴展到國民經濟的各個方面。單頻GPS接收機所提供的基於C/A碼測距的標准業務無論從定位精度還是從實時性方面都已無法滿足用戶越來越高的需求。近年來，隨著載波相位快速解算方法的提出和計算機運算能力不斷增強，使得高精度和實時性要求能夠同時滿足，從而發展出GPS載波相位快速精密定位技術。本文研究利用單頻GPS載波相位接收機進行快速精密定位的可行性。主要內容包括： ①介紹GPS快速精密定位技術的發展歷程以及伴隨著該技術的發展而產生的典型演算法。包括早期基於靜態初始化的准動態精密定位法和天線交換法、用於雙頻接收機的寬巷解法和快速模糊度搜索法FARA、基於觀測數據相差最小原理的模糊度函數法AFM以及最優Cholesky分解法、LAMBDA法和LSAST法等。 ②根據GPS載波相位測量原理，構造GPS載波相位觀測模型。通過對觀測模型的差分及線性化處理，得出位置解算演算法和求解步驟。 ③解決快速求解整周模糊度問題。把模糊度求解大體分為求模糊度浮點解和模糊度搜索兩個步驟。對於浮點解法，文中介紹了基於普通差分GPS的偽距差分法和通過約去位置參數來提高解算速度的約化序貫最小二乘法；對於模糊度搜索，本文詳細介紹並對比了最優Cholesky分解法、LAMBDA法和LSAST法等典型方法。 ④結合上文介紹的各種模糊度解算方法，對比其實現方法和結果，分析其優缺點和各自的適用場合。為下文選擇適用於太陽能自動跟蹤的演算法提供依據。 ⑤把GPS快速精密定位技術應用於太陽能自動跟蹤領域。建立太陽位置模型、提出聚能器定姿方案並制定跟蹤流程。以跟蹤所需的精度和實時性要求為指標篩選相應的整周模糊度解算方法。 ⑥選取約化序貫最小二乘法和最優Cholesky分解法進行整周模糊度解算模擬實驗。分析結果得出結論：用GPS載波相位定位技術實現太陽能自動跟蹤在精度和實時性等方面都是可行的且優勢明顯。

『捌』 誰了解高德導航，百度導航 這些導航軟體的開發的大體思路，包括數據存儲，導航演算法等。謝謝

先說共同點，兩個都有地圖，也都有導航，甚至都有語音導航。不同點是：1、從功能上說，高德導航主要是駕車導航，從界面到內容幾乎都跟導航有關，當然也包括基本的地理信息服務；高德地圖則主要側重於地理信息服務，從界面上看更像是一幅地圖，同時也具備基本的導航功能。2、二者操作界面不同。前者更像是汽車上的導航儀，畫面更清晰、醒目；後者更像是一張平面地圖，畫面較細膩、美觀。
3、使用環境不同。前者完全離線運行，無需互聯網支持也無法獲得支持；後者可以離線定位，但用於導航必須聯網。
4、前者數據是固定的，更新周期較長，而且不能實況導航。後者基本地理信息是固定的，導航數據是臨時從網上下載的，因此可以實況導航。
5、從導航成本上說，前者要買軟體（公眾版試用期一個月），後者要買流量（要導航必須聯網）

『玖』 GPS經驗導航的演算法是什麼

怪不得是0回答呢,公司有做導航,但機密級的信息,保密協議約束啊.