CN104089619A

CN104089619A - 无人驾驶汽车的gps导航地图精确匹配系统及其操作方法

Info

Publication number: CN104089619A
Application number: CN201410202876.4A
Authority: CN
Inventors: 袁家政; 黄静华; 刘宏哲; 周成
Original assignee: Beijing Union University
Current assignee: Beijing Union University
Priority date: 2014-05-14
Filing date: 2014-05-14
Publication date: 2014-10-08
Anticipated expiration: 2034-05-14
Also published as: CN104089619B

Abstract

本发明涉及无人驾驶汽车的GPS导航地图精确匹配和系统。所述地图精确匹配方法包括：获取道路信息；确定起始点；获取车辆定位信息；信息的匹配与筛选；重复前面所述步骤，直到匹配成功。本发明可以将导航误差缩小到两米及以内，超过两米时及时调整，极大地降低了导航误差。

Description

无人驾驶汽车的GPS导航地图精确匹配系统及其操作方法

技术领域

本发明属于智能交通行业，尤其涉及GPS导航地图精确匹配方法和系统。

背景技术

随着社会和经济的快速发展，无人驾驶车辆越来越受到人们的关注。原因在于以下：无人驾驶车辆能够代替普通车辆减少因人为原因带来的交通事故的发生，并且可以代替普通车辆完成特殊的作业。对于无人驾驶智能车的行驶，导航就相当于汽车的神经中枢,而导航又是依靠GPS实时测得的经纬度的点与精确电子地图进行匹配，来纠正无人驾驶汽车的行驶错误。

智能车辆导航系统( IVLNS) 是处于蓬勃发展时期的新技术, 是智能交通系统( ITS) 的一个前沿分支。IVLNS 是应用自动车辆定位技术、地理信息系统与数据库技术、计算机技术、多媒体技术和现代通信技术的高科技综合系统。定位信号的地图匹配技术已经成为决定IVLNS 最终性能的关键技术之一。

地图匹配是将获取的GPS 等定位数据与GIS（Geographic Information System，地理信息系统）中的道路层数据进行匹配,减少各种误差产生的影响,使目标点精确定位在道路层上的一种方法。地图匹配模块将定位模块输出的估计位置信息与地图数据库提供的道路位置信息进行比较, 并采用适当的方法确定车辆当前的行驶路段以及在路段中的位置,校正定位误差,使车辆不至于因为定位误差而在显示时偏离道路, 提供了车辆在电子地图上显示的手段; 而且通过投影使车辆定位数据仅残留定位误差在车辆前进路线上的径向分量, 从而极大地改善系统的整体定位精度, 并为实现路径引导提供可靠依据。

公告号为CN103162684A的公告公开了一种具有地图匹配机制的导航系统及其操作方法，所述导航系统的操作方法，包含：接收当前位置以定位一装置；基于该当前位置自道路拓扑地图向拓扑树添加新边；基于该当前位置自该拓扑树移除旧边；基于该当前位置及该拓扑树确定该拓扑树的匹配边；以及基于该匹配边计算调整位置，以显示在该装置上。在道路不密集，路况不复杂的地区，普通的地图匹配系统确实能做到精确定位，并提供可靠的行驶路线。但是遇到道路比较密集或者路况比较复杂的情况，普通的地图匹配系统很可能会因为精确度不够高而引导车辆驶入错误的道路。很多现有技术都只能将误差控制在两位数，所以遇到密集的道路或者路况比较复杂的情况时，很可能因为精确度不够而发出错误的导航命令。

发明内容

本发明的目的在于当本发明实际运用于无人驾驶汽车当中时，能够利用精确KML文本地图与GPS实时测得的经纬度进行匹配，提高导航的定位精确度，以使地图匹配算法更好的服务于导航系统，导航系统更精确的服务于无人驾驶智能车。

本发明利用GPS导航测绘得到路段经纬度信息以及航向角，然后制作成KML（Keyhole Markup Language即Keyhole标记语言）文本地图。依靠KML文本地图，通过GPS实时测得的经纬度的点与地图中路段进行匹配，找到相关联的路段，找到路段中经纬度点与定位的点之间距离最短的点，确定定位的位置，提高导航的精确度，减少无人驾驶汽车的行驶错误。

为了解决上述技术问题，本发明提供一种利用多边形定位匹配的新方法，其中地图匹配是将获取的GPS 等定位数据与GIS中的道路层数据进行匹配,减少各种误差产生的影响,使目标点精确定位在道路层上，所述地图精确匹配操作方法包括以下几个步骤：

a获取道路信息；

b确定起点和终点；

c获取车辆定位信息；

d信息的匹配与筛选；

e重复步骤1~4，确保汽车行驶在正确的道路上；

步骤a包括采集信息、存储信息、提取信息、制成地图；

步骤b包括利用有序排列的经纬度点确定好起始点和终点；

步骤c包括获取GPS的数据和惯性导航系统INS的数据；

步骤d包括利用GPS和KML筛选去除不正确的信息；

步骤e包括重复步骤1到步骤4，得到最佳行驶路线。

优选的是，所述步骤a包括利用GPS获取道路信息、提取经纬度信息、制成文本地图。

在上述任一方案中优选的是，所述步骤a中利用GPS获取道路信息包括利用GPS导航系统把所有的道路信息都采集下来，然后存到文本文件中。

在上述任一方案中优选的是，所述步骤a中提取经纬度信息包括利用相关软件提取经纬度信息。

在上述任一方案中优选的是，所述步骤a中制成的地图为文本地图，包括利用制作KML文本地图的模块把采集的经纬度点制作成KML文本地图。

在上述任一方案中优选的是，所述步骤b包括利用KML文本地图中有序排列的经纬度点确定好起始点和终点。

在上述任一方案中优选的是，所述KML 文本地图中，每两个道路节点组成的线段都是无序排列的，即无向图，而每一段经纬度组成的线段里面的那些经纬度的点是有序排列的。

在上述任一方案中优选的是，所述步骤c包括获取全球定位系统GPS的数据和惯性导航系统INS的数据，确定好无人驾驶智能车在地图中的位置，获取汽车的定位信息。

在上述任一方案中优选的是，所述步骤d包括筛选去除不正确的信息、获得最佳路线。

在上述任一方案中优选的是，所述步骤d中的筛选去除不正确的信息包括将从GPS里面获得经纬度点在KML文本地图里面进行搜索，去除掉超出经纬度点集范围的路段，找到与定位信息最接近的几条线段，然后搜索每条线段里面的经纬度点和定位的经纬度点，通过比对，依靠路段里面有序的经纬度点确定行车方向，进一步去除掉距离较小但行车方向不正确的路段。

在上述任一方案中优选的是，所述步骤d中的获得最佳路线包括在与行车方向一致的仅有的一条路段中，获取实时GPS采集的坐标点与电子地图中的每个坐标点，并求距离，得到距离最短的线段，即为我们匹配到的最准确的路段。

在上述任一方案中优选的是，求距离包括利用经纬度点之间的距离公式：

其中，D为两个经纬度之间的距离，R为地球半径，球面上两点A，B经纬度坐标为A（α1，β1），B（α2，β2），α1、α2∈[-π，π]，β1、β2∈[-π/2，π/2 ]。

在上述任一方案中优选的是，所述步骤e包括重复步骤1到步骤4，不断根据GPS的定位信息，搜索地图中相关的路段，得到地图匹配中距离最短且与行车方向一致的路段，依据得到的最精确的点调整无人驾驶汽车的航向和姿态角，确保汽车行驶在正确的道路上。

在上述任一方案中优选的是，实时行驶的点与GPS采集到的距离最短的点所连成的线段，即为地图中匹配到的最精确的路段。

由于误差必然存在，在上述任一方案中优选的是，定义最大的误差是2米，如果超过2米，导航及时进行调整，防止无人驾驶汽车走错道。

本发明还提供一种无人驾驶汽车的GPS导航地图精确匹配系统，所述地图精确匹配系统包括以下几个模块：

定位模块；

地图模块；

匹配模块；

所述定位模块包括获取车辆实时定位信息；

所述地图模块包括用于将定位模块获取的实时定位信息和路线轨迹信息制作成文本地图的地图解析模块和用于将所制成的文本地图加载到匹配模块的地图加载模块；

所述匹配模块功能包括利用定位模块与地图模块所提供的信息事实为车辆匹配最佳路线。

优选的是，所述定位模块包括获取全球定位系统GPS的数据和惯性导航系统INS的数据，确定好无人驾驶智能车在地图中的位置，获取汽车的实时定位信息。

在上述任一方案中优选的是，所述地图解析模块包括利用GPS采集道路信息、提取经纬度信息、制成文本地图、确定起点和终点。

在上述任一方案中优选的是，所述地图解析模块中利用GPS采集道路信息包括利用GPS导航系统把所有的道路信息都采集下来，然后存到文本文件中。

在上述任一方案中优选的是，所述地图解析模块中提取经纬度信息包括利用相关软件提取经纬度信息。

在上述任一方案中优选的是，所述地图解析模块中制成文本地图包括利用制作KML文本地图的模块把采集的经纬度点制作成KML文本地图。

在上述任一方案中优选的是，所述地图解析模块包括利用KML文本地图中有序排列的经纬度点确定好起始点和终点。

在上述任一方案中优选的是，KML 文本地图中，每两个道路节点组成的线段都是无序排列的，就是无向图，而每一段经纬度组成的线段里面的那些经纬度的点是有序排列的。

在上述任一方案中优选的是，所述地图加载模块包括实时地将KML文本地图加载到匹配模块；

在上述任一方案中优选的是，所述匹配模块包括筛选去除不正确的信息、获得最佳路线。

在上述任一方案中优选的是，所述匹配模块中的筛选去除不正确的信息包括将从GPS里面获得经纬度点在KML文本地图里面进行搜索，去除掉超出经纬度点集范围的路段，找到与定位信息最接近的几条线段，然后搜索每条线段里面的经纬度点和定位的经纬度点，通过比对，依靠路段里面有序的经纬度点确定行车方向，进一步去除掉距离较小但行车方向不正确的路段。

在上述任一方案中优选的是，所述匹配模块中的获得最佳路线包括在与行车方向一致的仅有的一条路段中，获取实时GPS采集的坐标点与电子地图中的每个坐标点，并求距离，得到距离最短的线段，即为我们匹配到的最准确的路段。

有益效果

无人驾驶汽车实时行驶的点与GPS采集到的距离最短的点，即为地图中匹配到的最精确的点。由于误差必然存在，我们定义最大的误差是2米，如果超过2米，导航及时进行调整，防止无人驾驶汽车走错道。这是目前来说，比较先进的方法，误差小。

附图说明

图1 按照现有技术的地图匹配方法的原理图。

图2 按照本发明的地图精确匹配系统的框图。

图3 按照本发明的地图精确匹配方法的流程图。

图4 按照本发明的地图精确匹配方法的KML文本地图部分截图。

图5 按照本发明的地图精确匹配方法的一种实验结果图。

图6 按照本发明的地图精确匹配方法的第一个具体实施例的流程图。

图7 按照本发明的地图精确匹配方法的第二个具体实施例的流程图。

图8 按照本发明的地图精确匹配方法的第三个具体实施例的流程图。

图9 按照本发明的地图精确匹配方法的第四个具体实施例的流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细说明，以使本领域的技术人员能够制造和使用本发明。以下实施例用于说明本发明，但不用来限制本发明的范围。

下面的描述中给出了诸多特定细节以利于充分理解本发明。不过，应当清楚，可在不具有这些特定细节的情况下实施本发明。

这里所用的术语“模块”依据其运用的语境包括软件、硬件或其组合。例如，该软件可为机器代码、嵌入代码、固件以及应用软件。另例如，该硬件可为电路、处理器、计算机、集成电路、集成电路核心、压力传感器、惯性传感器、微机电系统、被动装置或其组合。

这里提到的“GPS设备”包括GPS接收机、带有车载GPS的车辆、以及各种具有定位功能的电子设备。其中具有定位功能的电子设备包括带有GPS的手持通讯设备、移动终端。

图1是根据现有技术示出的一种地图匹配算法的原理图。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。地图匹配的基本过程如图2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)

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。

（4）e(k)的正交分解

将e(k)正交分解为弧段横向修正量ev(k).R与弧段纵向修正量eh(k).R，e(k)[ Si] 的纵向单位矢径的正向与车辆在弧段Si上的前进方向一致，横向单位矢径与垂直，构成右旋直交坐标。需要注意的是, ev(k) 与eh(k) 均为标量，它们的大小与符号说明如下。

（5）弧段横向修正量ev(k)表示g(k)的道路弧段横向偏差，ev(k)的幅值|ev(k)|大小表示g(k)到达弧段的最短距离，q(k) =q(gk , Si) 称为g(k)的弧段Si最近点，也就是g(k)对弧Si作垂线与弧段Si的交点。ev (k)[ Si] 的符号正负取决于是否与横向单位矢径的方向一致。正值表示g(k)偏差在按前进方向测算的道路弧段Si的右侧，反之，当车辆g(k)位于道路弧段的左侧，ev(k) 为负值。q(k)由g(k)与相应弧段Si唯一确定，所以ev (k)[ Si] 是一个已知标量。

（6）弧段纵向修正量eh(k) 表示g(k)的道路弧段纵向偏差，反映g(k)的地图道路匹配点p (k )沿道路弧段方向上的预测偏差，eh(k) 的取正值表示匹配点p(k )位于g(k)的前方，反之，当车辆g(k)必须向后退方向匹配时eh(k) 为负值。弧段纵向修正量eh(k)[ Si]与匹配点p(k)直接相关，是地图道路匹配算法最重要又最难精确求解的预测变量。如何克服这一误差分量的影响是论文研究的一个重点。地图匹配过程实际上就是利用车辆行驶的GPS轨迹g(k)，基于矢量地图的拓扑结构，以及其它可获得的车辆运动信息来确定车辆正在运行的道路弧段Si，以及在上面的准确对应方位p(k)。

图2是按照本发明地图精确匹配系统的框图。参照图2，该系统包括定位模块121，地图模块122和匹配模块123。

该定位模块121被配置为用于获取车辆实时定位信息；

该地图模块122被配置为用于将定位模块获取的实时定位信息和路线轨迹信息制作成文本地图的地图解析模块和用于将所制成的文本地图加载到匹配模块的地图加载模块；

该匹配模块123被配置为利用定位模块与地图模块所提供的信息事实为车辆筛选匹配最佳路线。

图3是按照本发明地图精确匹配方法的流程图。如图3所示，地图精确匹配方法，包括以下步骤：

在步骤S30中，采集经纬度信息，制成KML文本地图；

在步骤S31中，进行GPS数据接收，获取车辆定位信息；

在步骤S32中，判断GPS接收的车辆定位信息是否有效，若有效，执行步骤S33，若所述车辆定位信息无效，则返回步骤S31；

在步骤S33中，利用KML文本地图中有序的经纬度点确定前进方向；

在步骤S34中，基于多边形匹配，将得到的定位信息与KML文本地图进行比对，找到距离最近的多边形路段；

在步骤S35中，最短距离匹配，在这多边形路段中，将每一个经纬度的点与定位获得的点进行比对，求出距离最短的点所在的路段，然后依据所得到的航向角与地图中的每条路段进行比对，确定距离最短，行驶方向确定的路段；

在步骤S36中，判断匹配结果是否在限定的误差内，若在限定的误差内，执行步骤S37，若不在限差内，则执行返回步骤S33；

在步骤S37中，判断当前匹配点是否在前一匹配道路上，若在，执行步骤S38，不在前一匹配道路上，则返回步骤S33；

在步骤S38中，输出匹配结果；

在步骤S39中，判断是否全部匹配成功，若是，则结束匹配，若不是，则返回步骤S31。

图4是按照本发明的地图精确匹配方法的KML文本地图部分截图。

参照图4，可知KML文本中存储着如下信息及各种信息的获取方法：

KML文件中的关键点，即一条道路中所选取的离散标记点，通过 <name><![CDATA[]]></name>字段识别，解析时读取到该标记即可知为关键点；

其坐标存在KML文件<coordinates>116.289564,39.906161,0</coordinates>标签下，解析时，读取到该标签下即可知后继字段为坐标经纬度数据。

将读取的字符串进行分割。在读取出来的字符串中经纬度以“，”间隔，所以以此为特征符用TinyXML提供的取子串、查找特定字符等函数组合起来分割。

坐标等关键信息通过特定标记符读取、分割、类型转换等操作后存入结构体WAY_POINT所指向的结构体COORDINATE中，形成一个关键点一维数组waypoints数组，waypoints[0]表示解析的第一个关键点，以此类推。

同理，将KML文件中的路段（一条道路上的某段连续的路段）信息通过该方法存入到roads数组中。需要说明的是，在结构体ROAD中存有一段路段的长度、到路段末尾需执行的操作（右转、执行等）、路段的路点坐标（一条路段中有一串离散点坐标，在这些点中，首尾两点为这条道路的关键点，这些点存储在以coordinates为头结点的双向链表中。）等关键信息。

图5是按照本发明的地图精确匹配方法的一种实验结果图。其中图5a是车辆直行的实验结果图，图5b是车辆遇到路口的实验结果图，以下是关于此实验结果图中涉及到的各个参数的具体解释：

其中“road_count”表示道路条数，“road_length”表示道路长度，单位是km，“coordinate<x,y>”表示GPS实时的坐标点，“map_coordinate<x,y>”表示地图中与GPS实时点最近的点，nail_coordinate表示钉子点的坐标，即路口点的坐标，“disToNextCrossing”表示距离下一个路口的距离，“name”表示前方道路所执行的操作，name 4表示前方右拐，“disToNextCrossing 24.000000 name 4”表示前方24km处右拐。

图6是按照本发明的地图精确匹配方法的第一个具体实施例的流程图。如图6所示，该具体实施例，包括以下步骤：

在步骤S60中，在车上固定好GPS设备，将GPS的天线接在汽车中心线的位置，两个天线的距离大于1.5米，然后将GPS与天线相连接，接通24V电源，放在汽车里面，将设备供电，打开电脑，打开采集经纬度信息的软件，将要测试场地的经纬度信息采集完，用编好的解析程序，在采集完的道路信息中，将经纬度信息，航向角提取出来，经过处理制作成KML文本地图；

在步骤S61中，启动GPS设备，获取全球定位系统GPS的数据和惯性导航系统的数据，确定好无人驾驶智能车在地图中的位置，获取汽车的定位信息；

在步骤S62中，判断GPS接收的车辆定位信息是否有效，将从GPS里面获得经纬度点在KML文本地图里面进行搜索，若从GPS里面获得的经纬度点超出经纬度点集范围，则为无效定位信息，反之，则为有效信息；

在步骤S63中，判断为有效信息，利用KML文本地图中有序的经纬度点确定前进方向；

在步骤S64中，基于多边形匹配，将得到的定位信息与KML文本地图进行比对，找到距离最近的多边形路段；

在步骤S65中，最短距离匹配，在这多边形路段中，将每一个经纬度的点与定位获得的点进行比对，求出距离最短的点所在的路段，然后依据所得到的航向角与地图中的每条路段进行比对，确定距离最短，行驶方向确定的路段；

在步骤S66中，判断匹配结果是否在限定的误差内；

在步骤S67中，判断在限差内，判断当前匹配点是否在前一匹配道路上；

在步骤S68中，判断在前一匹配道路上，输出匹配结果；

在步骤S69中，判断全部匹配成功结束匹配。

图7是按照本发明的地图精确匹配方法的第二个具体实施例的流程图。如图7所示，该具体实施例，包括以下步骤：

在步骤S70中，在车上固定好GPS设备，将GPS的天线接在汽车中心线的位置，两个天线的距离大于1.5米，然后将GPS与天线相连接，接通24V电源，放在汽车里面，将设备供电，打开电脑，打开采集经纬度信息的软件，将要测试场地的经纬度信息采集完，用编好的解析程序，在采集完的道路信息中，将经纬度信息，航向角提取出来，经过处理制作成KML文本地图；

在步骤S71中，启动GPS设备，获取全球定位系统GPS的数据和惯性导航系统的数据，确定好无人驾驶智能车在地图中的位置，获取汽车的定位信息；

在步骤S72中，判断GPS接收的车辆定位信息是否有效，判断无效，返回步骤S71，直到GPS接收的车辆定位信息有效为止；

在步骤S73中，判断GPS接收的车辆定位信息有效，利用KML文本地图中有序的经纬度点确定前进方向；

在步骤S74中，基于多边形匹配，将得到的定位信息与KML文本地图进行比对，找到距离最近的多边形路段；

在步骤S75中，最短距离匹配，在这多边形路段中，将每一个经纬度的点与定位获得的点进行比对，求出距离最短的点所在的路段，然后依据所得到的航向角与地图中的每条路段进行比对，确定距离最短，行驶方向确定的路段；

在步骤S76中，判断匹配结果是否在限定的误差内，判断不在限差内，则执行返回步骤S73，直到匹配结果达到2米及以内；

在步骤S77中，判断当前匹配点是否在前一匹配道路上；

在步骤S78中，判断当前匹配点在前一匹配道路上，输出匹配结果；

在步骤S79中，判断是否全部匹配成功，判断是，结束匹配。

图8是按照本发明的地图精确匹配方法的第三个具体实施例的流程图。如图8所示，该具体实施例，包括以下步骤：

在步骤S80中，在车上固定好GPS设备，将GPS的天线接在汽车中心线的位置，两个天线的距离大于1.5米，然后将GPS与天线相连接，接通24V电源，放在汽车里面，将设备供电，打开电脑，打开采集经纬度信息的软件，将要测试场地的经纬度信息采集完，用编好的解析程序，在采集完的道路信息中，将经纬度信息，航向角提取出来，经过处理制作成KML文本地图；

在步骤S81中，启动GPS设备，获取全球定位系统GPS的数据和惯性导航系统的数据，确定好无人驾驶智能车在地图中的位置，获取汽车的定位信息；

在步骤S82中，判断GPS接收的定位信息是否有效；

在步骤S83中，判断GPS接收的定位信息有效，确定前进方向；

在步骤S84中，基于多边形匹配，将得到的定位信息与KML文本地图进行比对，找到距离最近的多边形路段；

在步骤S85中，最短距离匹配，在这多边形路段中，将每一个经纬度的点与定位获得的点进行比对，求出距离最短的点所在的路段，然后依据所得到的航向角与地图中的每条路段进行比对，确定距离最短，行驶方向确定的路段；

在步骤S86中，判断匹配结果是否在限定的误差内，判断在限差内，执行步骤S87；

在步骤S87中，判断当前匹配点是否在前一匹配道路上，判断不在前一匹配道路上，执行返回步骤S83，直至当前匹配点在前一匹配道路上为止；

在步骤S88中，输出匹配结果；

在步骤S89中，判断是否全部匹配成功，判断为否，则返回步骤S81直至全部匹配成功。

图9是按照本发明的地图精确匹配方法的第四个具体实施例的流程图。如图9所示，该具体实施例，包括以下步骤：

在步骤S90中，将设备准备就绪；

在步骤S91中，进行GPS数据接收；

在步骤S92中，判断GPS接收的数据是否有效，判断无效返回步骤S91直至判断为有效；

在步骤S93中，确定前进方向；

在步骤S94中，基于多边形匹配；

在步骤S95中，最短距离匹配；

在步骤S96中，判断匹配结果是否在限定的误差内，判断不在限差内，执行返回步骤S93直至匹配结果在限定的误差内为止；

在步骤S97中，判断当前匹配点是否在前一匹配道路上，判断不在前一匹配道路上，执行返回步骤S93直至当前匹配点在前一匹配道路上为止；

在步骤S98中，输出匹配结果；

在步骤S99中，判断是否全部匹配成功，判断为否，执行返回步骤S91直至全部匹配成功。

Claims

1.无人驾驶汽车的GPS导航地图精确匹配方法，车辆导航与定位系统中的地图匹配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，所述地图匹配方法包括以下几个步骤：

A获取道路信息；

B确定起点和终点；

C获取车辆定位信息；

D信息的匹配与筛选；

其特征在于，所述地图精确匹配方法还具体包括：

a采集信息、存储信息、提取信息、制成地图；

b利用有序排列的经纬度点确定好起始点和终点；

c获取GPS的数据和惯性导航系统INS的数据；

d利用GPS和KML筛选去除不正确的信息；

e重复步骤1到步骤4，得到最佳行驶路线。

2.如权利要求1所述的无人驾驶汽车的GPS导航地图精确匹配方法，其特征在于，所述步骤a包括利用GPS获取道路信息、提取经纬度信息、制成文本地图。

3.如权利要求1或2所述的无人驾驶汽车的GPS导航地图精确匹配方法，其特征在于，所述步骤a中利用GPS获取道路信息包括利用GPS导航系统把所有的道路信息都采集下来，然后存到文本文件中。

4.如权利要求1或2所述的无人驾驶汽车的GPS导航地图精确匹配方法，其特征在于，所述步骤a中提取经纬度信息包括利用相关软件提取经纬度信息。

5.如权利要求1或2所述的无人驾驶汽车的GPS导航地图精确匹配方法，其特征在于，所述步骤a中制成文本地图包括利用制作KML文本地图的软件把采集的经纬度点制作成KML文本地图。

6.一种无人驾驶汽车的GPS导航地图精确匹配系统，所述地图精确匹配系统包括以下几个模块：

定位模块；

地图模块；

匹配模块；

其特征在于：

所述定位模块包括获取车辆实时定位信息；

7.如权利要求6所述的无人驾驶汽车的GPS导航地图精确匹配系统，其特征在于，所述定位模块包括获取全球定位系统GPS的数据和惯性导航系统INS的数据，确定好无人驾驶智能车在地图中的位置，获取汽车的实时定位信息。

8.如权利要求6所述的无人驾驶汽车的GPS导航地图精确匹配系统，其特征在于，所述地图解析模块包括利用GPS采集道路信息、提取经纬度信息、制成文本地图、确定起点和终点。

9.如权利要求6或8所述的无人驾驶汽车的GPS导航地图精确匹配系统，其特征在于，所述地图解析模块中利用GPS采集道路信息包括利用GPS导航系统把所有的道路信息都采集下来，然后存到文本文件中。

10.如权利要求6或8所述的无人驾驶汽车的GPS导航地图精确匹配系统，其特征在于，所述地图解析模块中提取经纬度信息包括利用相关软件提取经纬度信息。