高程感知地图匹配模型

稀疏数据下更鲁棒

引入高程信息增强地图匹配模型对噪声的鲁棒性，并通过迁移学习降低跨域开发成本。

唐洁 · Zheng, Sunjian · Bo, Yu · Xue, Liu

IEEE Transactions on Intelligent Transportation Systems 2025

技术优势

噪声鲁棒性提升

高程感知单元通过融合图像和传感器数据获取道路高程信息，使模型在稀疏数据下仍能保持较高的匹配精度。

跨域开发成本降低

采用微调迁移学习方法，将预训练模型适配到新领域，避免从头训练，从而大幅减少开发时间和资源投入。

复杂场景性能优异

在复杂的城市道路场景中，模型表现出突出的匹配性能，优于现有方法。

应用场景

• 智能交通轨迹分析：在新数据稀缺的城市区域快速获得可靠轨迹匹配，支撑交通流量分析。
• 自动驾驶路径规划：利用高程感知提升定位鲁棒性，为自动驾驶路径规划提供可靠地图匹配。
• 无人机高程导航：模型显式建模高程信息，可用于无人机在复杂地形中的高程导航辅助。