本发明涉及导航
技术领域：
，具体涉及一种导航精度高的汽车导航系统。
背景技术：
：全球定位系统(gps)是美军研制的新一代空间卫星导航定位系统，它具有全天候、全球覆盖、测速定时精度高等特点，在地壳运动监测、船只实时调度和导航、飞机导航等方面都有广泛的应用。随着全球定位系统的发展，汽车导航的准确度和实时性也得到了长足的发展。但现有的汽车导航系统存在结构复杂、导航精度低等缺点。技术实现要素：针对上述问题，本发明旨在提供一种导航精度高的汽车导航系统。本发明的目的采用以下技术方案来实现：提供了一种导航精度高的汽车导航系统，包括定位模块、方位传感模块、速度传感模块、地理信息获取装置和控制装置，所述控制装置与所述定位模块、方位传感模块、速度传感模块、地理信息获取装置相连，所述定位模块用于接收gps信号对汽车进行定位，所述方位传感模块和速度传感模块分别用于检测汽车的转动角度和速度，所述地理信息获取装置用于获取地理信息，所述控制装置用于根据汽车定位、转动角度、速度和地理信息对汽车进行导航。本发明的有益效果为：提供了一种结构简单、导航精度高且控制方便的汽车导航系统。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：定位模块1、方位传感模块2、速度传感模块3、地理信息获取装置4、控制装置5。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种导航精度高的汽车导航系统，包括定位模块1、方位传感模块2、速度传感模块3、地理信息获取装置4和控制装置5，所述控制装置5与所述定位模块1、方位传感模块2、速度传感模块3、地理信息获取装置4相连，所述定位模块1用于接收gps信号对汽车进行定位，所述方位传感模块2和速度传感模块3分别用于检测汽车的转动角度和速度，所述地理信息获取装置4用于获取地理信息，所述控制装置5用于根据汽车定位、转动角度、速度和地理信息对汽车进行导航。本实施例提供了一种结构简单、导航精度高且控制方便的汽车导航系统。优选的，所述控制装置5包括显示器，用于显示当前位置信息和行驶路线信息。本优选实施例对导航信息进行显示，提升了用户体验。优选的，所述地理信息获取装置4包括高光谱图像数据采集设备和高光谱图像数据分类设备，所述高光谱图像数据采集设备用于采集高光谱图像数据，所述高光谱图像数据分类设备用于对高光谱图像数据进行分类，得到相应的地理信息。本优选实施例实现了地理信息的准确获取。优选的，所述高光谱图像数据分类设备包括第一建模模块、第二分类模块和第三评价模块，所述第一建模模块采用向量模型表示高光谱图像数据，所述第二分类模块用于对高光谱图像数据进行分类，所述第三评价模块用于对分类结果进行评价；所述向量模型用于将高光谱数据中的每个像元对应着多个波段的反射值表示为多维空间的一个向量；所述第二分类模块包括一次分类单元、二次分类单元和三次分类单元，所述一次分类单元对高光谱图像数据进行初步分类，所述二次分类单元对高光谱图像数据进行二次分类，所述三次分类单元对高光谱图像数据进行最终分类。本实施例地理信息获取装置中的高光谱图像数据分类设备实现了高光谱图像数据的分类和对分类结果的评价，具体的，向量模型定量描述了目标的光谱辐射特性及其在多维空间中的变化规律，将每个像元用多维向量表示，更适合计算机进行处理，能够更好地表征地物的分布特性及其变化规律，获取更准确的地理信息，为精确导航提供保证。优选的，对高光谱图像数据进行初步分类，具体为：第一步，设高光谱图像样本点的向量集为初始类别数目为z，其中，xi表示第i个样本点的向量表示，xi均无标签，m表示eh中样本点的个数；第二步，从高光谱数据样本集eh中随机选取z个样本点作为初始分类中心，分别记为yw1(0),yw2(0),…,ywz(0)，初始分类结果记为：初始化迭代次数k＝0；第三步，计算样本集eh中的样本点到各个分类中心的距离，选择距离最近分类中心所属的类别作为样本点的分类，得到新的分类结果表示第k次迭代中第j类样本点分类结果，重新计算各个分类的中心：上述式子中,表示中所含样本点数量，表示中所含样本点数量；第四步，重复第三步，直到达到最大迭代次数或者满足收敛条件，完成分类，得到初次分类结果；所述收敛条件为上述式子中,β为预先设定的参数，i＝1,2,…,m，j∈[1,z]，表示样本点xi和分类中心ywj(k)之间的距离，距离越小，表示样本点间的相似程度越大；采用以下方式计算：上述式子中，xi和xl表示样本点。本优选实施例第二分类模块的一次分类单元在重新计算各个分类中心时，考虑了上一次迭代结果对本次分类的影响，减少了本次数据异常对分类结果带来的影响，获取了更为准确的分类结果，在设定收敛条件时，考虑了两次迭代差对于和的相对值，获取的分类结果更为精细，在距离度量过程中，采用距离来衡量各个样本点的光谱特征相似性，其相似性度量更加符合高光谱图像数据的特性，且该样本点相似性衡量方式的抗干扰能力较强，受样本点向量的乘性噪声干扰小，综上所述，一次分类单元采用无监督分类的方法对高光谱数据的样本点进行分类，获取了样本点的分类情况，完成了对不同类别的区分。优选的，对高光谱图像数据进行二次分类，具体为：第一步，从样本集eh中随机选择n1个未标签的样本点，结合标签样本点，构造训练样本集其中，yr表示第r个样本点的向量表示，n表示y1中样本点的个数；第二步，采用一次分类单元对训练样本集y1进行p次分类，每次分类类别数均为z，但每次都随机选择初始分类中心，得到fp(yr)，fp(yr)表示样本点yr在第p次分类中的分类结果，其中，p＝1,2,…,p；第三步，根据训练样本集y1中样本点yr和ys在p次分类中属于同一类别的次数，构造核函数lg1：上述式子中，[fp(yr)＝＝fp(ys)]用于判断样本点yr和ys在第p次分类中是否属于同一类别，若是则取1，否则为0；第四步，利用核函数lg1对训练样本集y1进行非线性变换，得到用于训练最小二乘支持向量机分类器的训练集，采用训练好的分类器对样本集eh进行分类，得到二次分类结果；所述三次分类单元采用二次分类结果作为最终分类结果，对于二次分类结果与初次分类结果不一致的样本点，采用一次分类结果作为最终分类结果。本优选实施例第二分类模块的二次分类单元采用无监督分类与半监督分类相结合的方法对高光谱图像数据进行分类，由于标签样本点的存在，在获取样本点分类情况的基础上，获取了各个类别的属性。优选的，采用评价函数对分类结果进行评价，评价函数采用下式计算：上述式子中，t代表类别数量，zc表示样本数量，ruij为高光谱图像数据分类结果的混淆矩阵，表示类别j被分类为类别i的样本数量，i≠j；cs越小，表明分类结果越准确。本优选实施例第三评价模块通过建立评价函数cs对分类结果进行评价，评价函数反映了随机样本的分类结果与真实标记类别相一致情况,保证了分类的准确性，从而保证了导航的精度。采用本发明导航精度高的汽车导航系统进行导航，选取5条路线进行导航，并将其编为路线1、路线2、路线3、路线4和路线5，对导航时间和导航准确性进行分析，同现有导航系统相比，产生的有益效果如下表所示：导航时间缩短导航准确性提高路线123％21％路线225％20％路线324％23％路线426％22％路线524％23％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12