导航算法类

‘壹’ gps地图如何导航编辑为你揭秘导航算法

4.1 地图匹配问题介绍
利用车载GPS接收机实时获得车辆轨迹，进而确定其在交通矢量地图道路上的位置，是当前车载导航系统的基础。独立GPS车载导航系统中克服GPS误差以及地图误差显示车辆在道路网上的位置主要是通过地图匹配算法，也就是根据GPS信号中的数据和地图道路网信息，利用几何方法、概率统计方法、模式识别
或者人工神经网路等技术将车辆位置匹配到地图道路上的相应位置 [8-12]。由于行驶中的车辆绝大部分都是在道路上的，所以通常的地图算法都有一个车辆在道路上的默认前提。地图匹配的准确性决定了
GPS车辆导航系统的准确性、实时性与可靠性。具体来说取决于两方面：确定当前车辆正在行驶的路段的准确性与确定车辆在行驶路段上的位置的准确性。前者是现有算法的研究重点，而后者涉及到沿道路方向的误差校正，在现有算法中还没有得以有效解决。地图匹配的目标是将轨迹匹配到道路上，当道路是准确的时，也就成了确定GPS的准确位置，然后利用垂直映射方法完成匹配。要实时获得车辆所在的道路及位置通过地图匹配来实现是一种比较普遍而且成本较低的方法。车辆导航与定位系统中的地图匹配问题概括来讲就是将车载GPS接收机获得的带有误差的GPS轨迹位置匹配到带有误差的交通矢量地图道路上的相应位置。下面我们通过具体的数学模型来给地图匹配问题以详细的数学描述。
地图匹配的基本过程如图4.1所示。符号定义及其物理意义说明如下：
1) g(k)是车辆GPS轨迹点，内容为k时刻车辆上的GPS定位数据（经纬度），对应于矢量地图上相应的经纬度位置点。由于GPS误差和矢量地图误差的存在，当车辆在道路弧段Si 上行驶时，g(k)通常并不位于弧段Si 上。
2) p(k )为g(k)的地图道路匹配点，表示地图匹配算法对g(k)进行偏差修正获得的车辆k时刻在矢量地图道路上的对应点，简称g(k)的匹配点。匹配点所在矢量地图弧段Si上的位置，应该尽可能反映出实际车辆在该段道路上的相应位置。
3) e(k)为g(k)的地图匹配修正量，表示g(k)与其匹配点p(k)间的误差修正。需要指明匹配点所在的弧段p(k) .Si 时，使用符号e(k)[Si ] 表示g(k)对于弧段Si 上的匹配点所使用的匹配修正量。上述3个基本量之间的关系如图画所示，即p(k) = g(k) + e(k) (4)
地图匹配修正量e(k)源自于GPS定位误差和交通矢量地图精度误差的综合误差效应。

‘贰’ 导航算法常用什么编程语言

导航很宽泛的，就拿武大来说，信息学部的武测，国重，中心，甚至遥感，地信都可能相关，方向不同侧重也不一样。就拿卫星导航来说，搞信号的在接收机这块厉害，武测在后面精密定位厉害，搞控制的在和惯性组合厉害。
武测的话，做后端算法啊rtk应用的多，最近也开始做ins的组合，对c/c++使用的也多。当然c你会了，matlab肯定不难。中心的话做的就更广了，有些需要在linux环境下编程。
当然编程语言还是取决于你后面的选择，如果你要本科毕业直接找工作，那以编程当饭碗建议还是把武测的编程培训学校报了，老老实实上下来提高自己水平。
如果是读研，那语言这边看老板项目需求啊，课题组参加什么比赛需求之类的，这个就不好说了。

‘叁’ 导航电子地图的地图匹配算法有哪些

腾讯地图不但可以看导航，还能搜索你所在位置周边的交通出行、美食畅饮、酒店住宿、娱乐休闲、生活服务。而且定期还有养护车的提示呢，有了腾讯地图你连嘀嘀打车都不用安了，直接在软件里面就有一项功能直接能连接到滴滴出行，可以随时随地的叫车。是出行的必备神器。

‘肆’ 常用的导航/路径规划软件都用到哪些算法

一般都是分层做的。譬如说你要从广州到北京，开车怎么走，当然不可能直接在路上规划吧，这样计算量太大了。比较理想的方法是，我先知道到底要经过多少城市，从每一个城市到下一个城市之间如何走才能用高速连接起来，你需要访问的数据就小得多。当最后约束到一个区那么大的地方的时候，直接上DP还是可以在可接受的时间内做出来的。

‘伍’ 全国公路导航算法设计

具体请Google弗洛伊德算法 或 任意一本数据结构书

弗洛伊德算法解决的就是带权图每对顶点间的最短路径问题。（权值分别用 路费 速度 即可）....

‘陆’ 有关惯性导航深度学习算法的选取。

实现人工智能的基础是大数据应用，现在有很多关于机器学习的算法，用什么语言实现不重要关键是算法能不能理解，这里推荐《数学之美》，谷歌翻译引擎的算法介绍，这是很着名的人工智能，还有Jiawei Han，Micheline Kamber的《数据挖掘技术》这本书，说实话数据挖掘是人工智能的基础。SimonHaykin的《神经网络算法》，当然，前提是你有良好的C/C++基础和数据结构基础，对分布式有一定的了解，说实话这方面国内才是刚起步，还很烂，看看网络的智能聊天机器人，三句话逻辑就已经跑飞了，比谷歌翻译识别人类语言的水平还要差一些。
关于模式识别，现在应用最多的就是计算机视觉了，这个还得用到一部分数字信号处理的理论，国内的水平也就停留在识别指纹，识别车牌这种程度了，淘宝搞出来的人脸识别各种识别不出来，而且效率还很低，需要你做一些特殊的姿势，这个比微软搞出的BEAT版人脸识别都要烂。
如果是想研究这方面的技术可以看看包括我说的那些书籍在内的相关资料，要是想靠这个就业什么的，就不要多想了，这些东西设计的数学知识不是一天两天能学会的，有些专家搞了几十年还在为提高一点识别率而煞费心机，就业的话还是学学应用技术吧。毕竟国内做的东西不要求什么高端，只要能帮老板骗来钱就算成功了。

‘柒’ 卫星导航算法是怎么回事属于什么专业呢

有专门的卫星导航专业。
卫星导航算法摘要：
随着人们对GPS定位技术研究的不断深入，其应用领域已扩展到国民经济的各个方面。单频GPS接收机所提供的基于C/A码测距的标准业务无论从定位精度还是从实时性方面都已无法满足用户越来越高的需求。近年来，随着载波相位快速解算方法的提出和计算机运算能力不断增强，使得高精度和实时性要求能够同时满足，从而发展出GPS载波相位快速精密定位技术。本文研究利用单频GPS载波相位接收机进行快速精密定位的可行性。主要内容包括： ①介绍GPS快速精密定位技术的发展历程以及伴随着该技术的发展而产生的典型算法。包括早期基于静态初始化的准动态精密定位法和天线交换法、用于双频接收机的宽巷解法和快速模糊度搜索法FARA、基于观测数据相差最小原理的模糊度函数法AFM以及最优Cholesky分解法、LAMBDA法和LSAST法等。 ②根据GPS载波相位测量原理，构造GPS载波相位观测模型。通过对观测模型的差分及线性化处理，得出位置解算算法和求解步骤。 ③解决快速求解整周模糊度问题。把模糊度求解大体分为求模糊度浮点解和模糊度搜索两个步骤。对于浮点解法，文中介绍了基于普通差分GPS的伪距差分法和通过约去位置参数来提高解算速度的约化序贯最小二乘法；对于模糊度搜索，本文详细介绍并对比了最优Cholesky分解法、LAMBDA法和LSAST法等典型方法。 ④结合上文介绍的各种模糊度解算方法，对比其实现方法和结果，分析其优缺点和各自的适用场合。为下文选择适用于太阳能自动跟踪的算法提供依据。 ⑤把GPS快速精密定位技术应用于太阳能自动跟踪领域。建立太阳位置模型、提出聚能器定姿方案并制定跟踪流程。以跟踪所需的精度和实时性要求为指标筛选相应的整周模糊度解算方法。 ⑥选取约化序贯最小二乘法和最优Cholesky分解法进行整周模糊度解算仿真实验。分析结果得出结论：用GPS载波相位定位技术实现太阳能自动跟踪在精度和实时性等方面都是可行的且优势明显。

‘捌’ 谁了解高德导航，百度导航 这些导航软件的开发的大体思路，包括数据存储，导航算法等。谢谢

先说共同点，两个都有地图，也都有导航，甚至都有语音导航。不同点是：1、从功能上说，高德导航主要是驾车导航，从界面到内容几乎都跟导航有关，当然也包括基本的地理信息服务；高德地图则主要侧重于地理信息服务，从界面上看更像是一幅地图，同时也具备基本的导航功能。2、二者操作界面不同。前者更像是汽车上的导航仪，画面更清晰、醒目；后者更像是一张平面地图，画面较细腻、美观。
3、使用环境不同。前者完全离线运行，无需互联网支持也无法获得支持；后者可以离线定位，但用于导航必须联网。
4、前者数据是固定的，更新周期较长，而且不能实况导航。后者基本地理信息是固定的，导航数据是临时从网上下载的，因此可以实况导航。
5、从导航成本上说，前者要买软件（公众版试用期一个月），后者要买流量（要导航必须联网）

‘玖’ GPS经验导航的算法是什么

怪不得是0回答呢,公司有做导航,但机密级的信息,保密协议约束啊.