汽车导航系统中英文对照外文翻译文献.docx

汽车导航系统中英文对照外文翻译文献.docx

《汽车导航系统中英文对照外文翻译文献.docx》由会员分享，可在线阅读，更多相关《汽车导航系统中英文对照外文翻译文献.docx（9页珍藏版）》请在冰豆网上搜索。

汽车导航系统中英文对照外文翻译文献

（文档含英文原文和中文翻译）

中英文资料外文翻译文献

使用GIS数据库和激光扫描技术为汽车导航系统获取路标

索引

现在的汽车导航系统以地图，图形，以及声音的形式提供给用户行驶中的信息，然而他们还远远不能支持基于道路标记的导航，而这也是对我们来说更简单的导航理念，并且这也在不久要实现的个人导航系统中占据重要的位置。

为了提供这样的一种导航，第一步就要识别恰当的道路标记——乍一看似乎很简单，但是如果考虑到要把覆盖了欧洲、北美、日本大部分地区的信息传输给数据库的挑战，我们就有理由自命不凡了。

在这里，我们将讲解从已存在的GIS数据库中获取道路标记的方法。

因为这些数据库大多数没有包含建筑物的高度和视图信息，我们将展示这些信息怎样从激光扫描数据中分离出来。

1简介

1995年在上层阶级的汽车里汽车导航系统就已经出现了，而且现在几乎可以在任何样式的汽车中找到导航系统。

他们是相对复杂和成熟的系统可以以数字地图，行驶方向图形，以及行驶中的声音信息提供路线导航。

回溯1980年汽车导航系统开始兴起的时候，一些大的问题都得到了解决：

例如绝对位置，适合导航的大量地图的提供，快速算路以及可靠的路线导航。

然而，传送这些信息的原始概念并没有得到较大的改善。

声音的导航仍然用相对小的提示：

（例如现在向右转），这只涉及到了道路分布的属性。

这不是最理想的，因为1）路线分布的特征在较大距离的时候是不可见的，这是因为司机受局限的位置以及视角，2）人们最习惯的导航方式是通过道路标记，也就是沿路中一系列的可识别可记忆的的图像的提供。

很明显，作为道路标记的建筑物

的提示与声音提示结合起来，将是导航发展中更人性化的一个方向，就像我们下边讨论的那样，这将很好的集成到今天的汽车导航系统中去因为不意味着对系统和数据结构的大的改动。

所以，主要的问题在于识别合适的道路标记以及估计他们对于导航提示的可用性。

这里，我们将解释已存的数据库怎样开发以解决第一个问题，而激光浏览数据库将解决后一个。

2使用激光扫描数据集的可见性分析

2.1可见性分析

如果我们以来自激光扫描的DSM上直观的可见性作为分析的基础，我们会做的更好。

我们将不会获得像当初估计的那样使建筑物从任何的地点都被清晰地看见。

我们依照下列各项的方式，对于任何的观察点的位置和观看方向定义给予的水平线和垂直的一个虚拟的照相机的外部方位看角。

这个虚拟的照相机表示为驾驶者的视野。

高度起源于DSM本身,然而看角从GDF数据组中对应的街道的固定方位被获得。

虚拟图像的平面然后被光栅过滤,每个图素定义物体空间的一道光线。

所有的光线在物体空间中被追踪并且用DSM决定交集。

对于每次击中，对应的物体数据被试映图的虚拟图像查询获得。

虽然这个方法与"光线追踪"类似并用在计算机图形方面和平时假设计算中，但是自从我们只在光线的第一个击中方面感兴趣之后，它实际上相当速，而且DSM只是2.5D,虚拟图像的飞机以此下去可能从底部到顶端被有效率地计算,向逐渐增加的物体空间进军。

2.2追踪可见性

在最后的一个区段中，单一视野被计算。

然而,道路标记被一个路线排定指令选择，而且一定在整个调遣期间是看得见的。

这可能沿着对应的调遣定义的轨道追踪物体的可见性。

对于我们的第一次实验，我们使用只有一个自然的附近区域作为可见,即被虚拟图像上的飞机的对应物体覆盖的区域。

图1显示了一个例子。

我们假设白色的多角形是我们驾驶者使用的轨道。

然后问题是如果以其他的方法识别它是一个道路标记的城镇大厅,是一个可以被道路标记唯一表示的适当物体。

对这一次的结论，我们的运算法则是追踪整个的轨道,以等距离隔开的位置和在轨道旁边的固定方位产生罚款者眼中虚拟的视野。

对于每个如此的视野，虚拟图像中的飞机上的每个物体覆盖的区域被决定。

图2显示沿着图1的轨道所有的那些区域的一种情况。

当物体出现的时候,能产生典型的有遮掩的曲线,变化比较大和最后消失的就如被途径人所观察。

在这种特别的情形中，当位置是城镇门厅之前并留下狭窄的街道和进入广场的时候，或视野弄宽的时候，许多物体在附近看变成规格为65号。

为了确定城镇大厅是否为一个适当的物体,从图2上的对应的曲线看，从规格65到115号是最大的,也就是城镇大厅是驾驶者视野中最大的物体。

而且，曲线比从规格13号开始的更大,这意味城镇大厅是一少部分––大约在进入广场的之前100公尺处被看见（可能是决定点）因此，在这种情况下我们既能查出显示比较大的物体，也能在驾驶者的视野中将他最早显示出来。

图1俯视图上的轨迹线

图2：

基于框架数字的可见性划分

3数据地图

汽车导航系统使用的地图不仅包含几何学和道路网络的连接性而且包含了大量的关于物体，属性和关系的附加信息。

一个好的观点能够从欧洲的标准ＧＤＦ获得，举例来说，（１９９５年３月的地理数据文件），其中包括了博物馆，戏院，文化中心和市政厅等的信息。

　　地图数据是被诸如电子地图的地图数据库厂商获得并通过交换的方式提供给汽车导航系统生产商的（例如ＧＤＦ）。

在那里，它被转换到最后在地图激光唱碟或数字化视频光上被发现的专有格式。

数据必须从一种描述形式转换成被汽车导航系统支援的另一种被特殊化的形式，这转变是高度非凡的。

时常，结构和价值被这个转换过程预先计算了，目的是为了要减轻航行系统的在线资源,例如带宽和ＣＰＵ时间。

　　这个模块的其中一部分也是为每个十字路口产生一个点阵式，目的是描述所有的可能转向的组合。

在汽车导航系统中使用了众所周知的箭头符号来标识，这就需要所有道路的十字路口的交汇情况将被存储。

在转向过程中，对于带有路标的汽车导航系统的附加信息会被完整化。

在本文中，概括说明了是怎样通过ＧＤＦ与地图数据和激光扫描数据结合来确定道路几何图形的适合的路标，重要的一点是那些附加的数据信息仅仅在这个转换过程中被使用。

在那之后，仅仅是基于路标的行使指示还存在，这些是行使指示可能在一种非常紧凑的形式下被编码，并且要与每一个十字路口各自的已被存储在专有地图格式的数据信息相协调。

因此，路标技术的整合没有在现在的汽车导航系统中造成障碍，这些主要问题是来自那些用自动或半自动方法的指令中的。

4激光扫描和城市模型

在二十世纪九十年代，靠空气传播的激光扫描作为获得表面的模型的新方法变得可用。

随后，扫描系统提高了并且指引全球范围也因为足够的精度变得可行。

今天，靠空气传播的激光扫描是一项成熟的技术为大多数公司提供系统和服务。

扫描很大的区域是可能的，例如整个荷兰已经被扫描过了，德国的Baden-W¨urttemberg州也正在进行扫描，他们中每一个的面积都超过了30平方千米。

天线激光扫描机直接地生产地球的表面密集的点云（Baltsaviasetal。

1999）.他们对获得密集的都市区域的数传表面模型（DSMs）是特别地适当的,如同他们保存跳跃边缘一样相当好。

大多数的系统能够测量不只有高度,也有反射系

数,和首先,最后的或多样的回行脉冲,他们允许分开树形天篷和地面。

（Kraus和Rieger,1999）

主要的问题是怎样从激光扫描数据组中获取关于人造结构的符号信息，可能和天空的或陆地的图像联合。

尤其,自动机械世代的城市模型是而且仍然是一个强烈的研究领域,这个讨论是超过本文的范围的。

在这一问题上，读者可以咨询“Ascona工作室”的优秀的成果。

（Gr¨unetal.,1995,Gr¨unetal.,1997,Baltsaviasetal.,2001）.

然而，实质性研究努力还是很必要的直到高度自动化的物体获取系统可以可靠地工作。

另一方面，三维空间存在的物体信息在今天存在的GIS数据库中还远远不是普遍的。

所以，在本文中我们将考虑把GIS数据库和激光扫描DSMs联合起来在一个图标层上，不明确地重建物体的三维空间的形状而当做分开实体。

图3展示了一个数据资源被用过的例子，来自正在激光扫描的DSM，使有规则到1米的格子，街道的几何形状用从一个GDF数据组合的中心线表示，而建筑物的轮廓用从地籍图上获得的中心线表示。

图3激光扫描

5结论及前景

在本文中，已经概略说明路标是如何被取得的并且评估使用已存在的GIS和激光扫描数据。

至于路标的取得，我们已经调查基于显示突出建筑物的二种不同的方法。

为了评估导航引导的有用性,我们用了基于来自激光扫描的DSM数据的一项可见性分析。

数据挖掘程序必须用真正的数据组来测试。

如果他们在现实世界中使用适当的路标引导，这个结论将会被证实。

除此之外，分析程序必须被扩展到不同的事物类型（交通建筑,公园,体育运动设备等.）从ATKIS数据提取举例来说明。

不同种类事物的数据预处理方法和当不同数据挖掘运算法则被提供到相同数据时产生的问题必须被调查。

萃取的路标的可靠性不得不通过质量测试来决定，目的是为了避免不明确的目标误导用户。

更多的依靠路线来决定路标的问题必须被调查:

用户行驶方向和路标质量可见性的影响。

当我们只用了"虚拟的图像大小"来估价一个事物的可见性时,有很大的空间来进步。

举例来说，如果一个事物被它前面或附近的事物挡住了，或者是整个轮廓的一部分，从虚拟的图像，就能获得远距离的信息。

首先激光扫描测量的脉搏能够被整合，目的是为了获得一个比较好的由树导致阻塞的近似值。

DSM也可能被用来提供萃取的附加信息，例如，小塔被它前面的大建筑物挡住这个信息将被确定。

跟踪可见性的执行使用等距离的时间取样来代替空间取样，这是基于车辆在临近交叉路口的速度的。

最后，存在于GDF数据中的POI数据被使用到可见性分析的扩展是非常有趣的。

原文：

EXTRACTINGLANDMARKSFORCARNAVIGATIONSYSTEMSUSINGEXISTINGGISDATABASESANDLASERSCANNING

ABSTRACT

Today’scarnavigationsystemsprovidedrivinginstructionsintheformofmaps,pictograms,andspokenlanguage.However,theyaresofarnotabletosupportlandmark-basednavigation,whichisthemostnaturalnavigationconceptforhumansandwhichalsoplaysanimportantroleforupcomingpersonalnavigationsystems.Inordertoprovidesuchanavigation,thefirststepistoidentifyappropriatelandmarks–ataskthatseemstoberathereasyatfirstsightbutturnsouttobequitepretentiousconsideringthechallengetodeliversuchinformationfordatabasescoveringhugeareasofEurope,NorthernAmericaandJapan.Inthispaper,weshowapproachestoextractlandmarksfromexistingGISdatabases.Sincethesedatabasesingeneraldonotcontaininformationonbuildingheightsandvisibility,weshowhowthiscanbederivedfromlaserscanningdata.

1INTRODUCTION

Moderncarnavigationsystemshavebeenintroducedin1995inupperclasscarsandarenowavailableforpracticallyanymodel.Theyarerelativelycomplexandmaturesystemsabletoproviderouteguidanceinformofdigitalmaps,drivingdirectionpictograms,andspokenlanguagedrivinginstructions（Zhao,1997）.Lookingbacktothefirstbeginningsintheearly1980s,manynontrivialproblemshavebeensolvedsuchasabsolutepositioning,provisionofhugenavigablemaps,fastroutingandreliablerouteguidance.

However,theoriginalconceptofdeliveringtheinstructionshasnotchangedverymuch.Still,spokenlanguageinstructionsusearelativelysmallsetofcommands（like’turnrightnow’）,whichonlyrefertopropertiesofthestreetnetwork.Thisisnotoptimal,sincei）featuresofthestreetnetworktypicallyarenotvisiblefromagreaterdistanceduetothelowdriverpositionandsmallobservingangle,andii）themostnaturalformofnavigationforhumansisthenavigationbylandmarks,i.e.theprovisionofanumberofrecognizableandmemorizableviewsalongtheroute.Obviously,theintroductionofbuildingsaslandmarkstogetherwithcorrespondingspokeninstructions（suchas’turnrightafterthetower’）wouldbeasteptowardsamorenaturalnavigation.Aswearguebelow,thiswouldbewellintegrableintotoday’scarnavigationsystemsasitwouldnotimplyamajormodificationofsystemsanddatastructures.Thus,themainproblemliesinidentifyingsuitablelandmarksandevaluatingtheirusefulnessfornavigationinstructions.Inthispaper,weshowhowexistingdatabasescanbeexploitedtotacklethefirstproblem,whilelaserscanningdatacanbeusedtoapproachthesecond.

2VISIBILITYANALYSISUSINGLASERSCANNINGDATASETS

2.1VisibilityAnalysis

wecandobetterifwebasethevisibilityanalysisdirectlyontheDSMfromlaserscanning.Wewillnotobtain“beautiful”visualizationsbutinsteadarathergoodestimateonwhichbuildingscanbeseenfromanyviewpoint（Fig.4（c））.Werealizedthisapproachasfollows.Foranyviewpoint,thepositionandviewingdirectiondefinetheexteriororientationofavirtualcameraofgivenhorizontalandverticalviewingangle.Thisvirtualcamerarepresentsthedriver’sview.TheheightisderivedfromtheDSMitself,whereastheviewinganglecanbeobtainedfromtheorientationofthecorrespondingstreetsegmentintheGDFdataset.

Thevirtualimageplaneisthenrastered,eachpixeldefiningarayinobjectspace.AlltheraysaretracedinobjectspacetodetermineintersectionswiththeDSM.Foreachhit,thecorrespondingobjectnumberisobtainedbyalookupinanimagecontainingrasteredgroundplanid’s.Althoughthismethodissimilarto“raytracing”usedincomputergraphicsandoftenassumedtobecomputationallyexpensive,itisactuallyquitefastsince（a）weareinterestedonlyinthefirsthitoftheray,and（b）theDSMis2.5Donly,soeachcolumninthevirtualimageplanecanbecomputedefficientlyfrombottomtotop,marchinginincreasingdistanceinobjectspace.

2.2TrackingVisibility

Inthelastsection,visibilitywascomputedforasingleview.However,landmarksselectedforaroutinginstructionmustbevisibleduringtheentiremanoeuvre.Thiscanbecheckedbytrackingthevisibilityofobjectsalongthetrajectorydefinedbythecorrespondingmanoeuvre.Forourfirstexperiment,weuseonlyacrudeapproximationforthevisibility,namelytheareacoveredbytheprojectionofthecorrespondingobjectonthevirtualimageplane.

Figure1showsanexample.Weassumethatthewhitepolygonisthetrajectorywewantthedrivertouse.Thequestionthenisifthetownhall,identifiedtobealandmarkbythemethodsofsection5,isasuitableobjectwhichcanbeusedinalandmark-basedinstructionsuchas’passtotherightofthetownhall’.Tothisend,ouralgorithmtracestheentiretrajectory,generatingvirtualviewsatequidistantlyspacedpositionsandintheorientationde-finedbythetrajectory.Foreachsuchview,theareacoveredbyeachobjectonthevirtualimageplaneisdetermined.

Figure2showsaplotofallthoseareasalongthetrajectoryoffigure1.Onecanseethetypical’peaked’curvesgeneratedasobjectsappear,growlargerandfinallydisappearastheviewingpositionpassesby.Inthisspecialcase,oneseesalsothatmanyobjectsbecomevisiblearoundframenumber65,whichiswhentheviewwidensasthepositionleavesthenarrowstreetandenterstheplazainfrontofthetownhall.

Inordertoanswerifthetownhallisasuitableobject,alookonfigure2revealsthatthecorrespondingcurve（showninboldred）islargestforframenumbers65to115（withasmallexceptionaroundframe100）,i.e.thetownhallisthelargestobjectinthedriver’sview.Moreover,thecurveislargerthanzerostarti