劉 凱，劉義樂，李勝凱

(1.陸軍裝甲兵學院車輛工程系，北京 100072；2.31694部隊97分隊，遼寧 本溪 117000)

0 引言

科學合理的進行履帶車輛的訓練評價是保障履帶車輛訓練效果的重要保證。當前，在進行履帶車輛訓練時，仍然是由教練跟車在履帶車上用肉眼對學員進行評定，不光耗費人力，而且由于主觀因素的影響，評價的準確性不可保證。使用GPS系統(tǒng)對履帶車輛考核場地限制路點位的定位，是建立考核系統(tǒng)中場地分布的基礎。由于每個考核項目的限制路的標志桿數(shù)量和位置不同，因此設計出能同時識別多項考核科目的限制路是首先要解決的問題。

每個限制路都是由若干個標志桿以特定位置擺放而形成的，分析每個限制路的標志桿相互關系可知：

1)不同種類限制路的標志桿之間的距離特征不同；

2)每種限制路的標志桿兩兩標志桿的距離不變；

3)每種限制路之間的間隔距離較大，不互相影響。

履帶車輛主要要通過“S”形限制路、彎道限制路、雙直角轉向限制路等。基于每個限制路的各個標志桿間的距離的特點，以及利用GPS定位各個標志桿位置數(shù)據(jù)，設計了一種識別限制路類型與場地標定的算法。該算法可以在若干個測得的GPS坐標中，將每個限制路的標志桿進行分類，并存入相應的表格中，以完成履帶車輛考核場地的標定。

1 限制路種類識別

1.1 將GPS坐標轉換為平面坐標

進行限制路種類識別與分類，首先需要收集若干個具體GPS坐標數(shù)據(jù)(其中含有干擾坐標)，以第一列為經度，第二列為緯度放入Excel表格中，參考《GPS經緯度坐標轉平面坐標的簡化計算方法及精度分析》中算法將GPS坐標轉化為XY坐標。然后將其全部轉化，利用為平面坐標(即以赤道為X軸，0經線為Y軸)，利用算法進行轉化，并輸出平面坐標數(shù)據(jù)存入Excel表格中。

記錄GPS坐標的精度可以達到±0.1 m，因此對于限制路識別的準確性有保證。

1.2 限制路的特征

以“S”型限制路為例，各個標志桿的位置如圖1(假定車輛車寬4 M，車長10 m)

圖1 “S”形限制路

將各個限制路中各個標志桿距離計算出來，對于區(qū)分在XY數(shù)據(jù)組中的坐標，可以用距離特征利用算法來實現(xiàn)識別各個限制路的標志桿的位置，假定GPS坐標已轉化為平面坐標以“S”形限制路的標志桿識別為例，表1為“S”形限制路的標志桿已知的坐標編號。將“S”形限制路的各標志桿間距中各個標志桿之間距離計算出來，對于區(qū)分在平面坐標數(shù)據(jù)組中的坐標，可以用距離特征利用算法來實現(xiàn)識別各個限制路的標志桿的位置，假定已轉化為平面坐標，測得“S”形限制路的標志桿間距離特征如表2。

表1 “S”形限制路的標志桿已知的坐標編號

表2 “S”型限制路的標志桿間距離特征

1.3 限制路的標志桿識別算法

下面介紹一種限制路的標志桿識別的算法。該算法將限制路中各個標志桿間的距離作為特征，對所測得的全部坐標系進行篩選，從而得到每個限制路的標志桿的坐標組，并將坐標組與限制路相對應。限制路識別算法的具體流程如圖2(以“S”型限制路為例)。

圖2 限制路識別與分類算法流程圖

1.3.1 單一限制路的標志桿的識別

假設記錄的GPS坐標已轉化為平面坐標，并得到坐標及序號為表3。

表3 記錄的平面坐標及序號

步驟一：將用設備記錄的9個GPS坐標轉化為平面坐標并輸入到一個MATLAB的數(shù)組中，使用MATLAB中函數(shù)計算各個坐標間的距離，得到坐標間距離如表4。表中的坐標編號m-n的數(shù)據(jù)為第m個到第n個坐標的間距。

表4 各個坐標間距離

步驟二：對距離特征進行篩選，因為6個“S”形限制路的標志桿間的距離不變且已知，對計算出來的各個坐標間的距離和給出的“S”形限制路的各標志桿間距離進行匹配(表2)，并將與規(guī)定距離誤差小于等于10 cm的兩坐標的序號進行記錄，式(1)～(6)為距離的符合條件，其中I為第I個坐標點，J為第J個坐標點。并存在一個1×9的計數(shù)矩陣中。

4.90≤IJ≤5.10.

(1)

12.16≤IJ≤12.36.

(2)

24.03≤IJ≤24.23.

(3)

35.90≤IJ≤36.10.

(4)

36.25≤IJ≤36.45.

(5)

11.90≤IJ≤12.10.

(6)

步驟三：將步驟二中計數(shù)矩陣每個序號出現(xiàn)的次數(shù)進行統(tǒng)計，因為“S”形限制路的標志桿有6個，6個標志桿兩兩之間距離，每個桿與另外桿的距離一共有5個，因此若是“S”形限制路的標志桿，則在次數(shù)統(tǒng)計大于等于5的序號即為“S”形限制路的標志桿。統(tǒng)計序號出現(xiàn)次數(shù)如表5所示。

表5 計數(shù)矩陣

步驟四：對出現(xiàn)5次以上的坐標序號進行記錄，并將其對應坐標進行輸出。輸出坐標如表6所示。

表6 輸出的“S”型限制路坐標

以上是用限制路識別與分類算法中對單一限制路標志桿的識別，下面將對其他類型限制路的標志桿加入其中進行分類和識別。若收集的坐標中含有“S”形限制路的標志桿、彎道限制路的標志桿和雙直角限制路的標志桿，則主要目的是對收集的全部坐標中的三種限制路的標志桿找出，并分類存放在不同的矩陣中。

1.3.2 對若干種不同限制路的標志桿的識別與分類

基于1.3.1提到的算法，對上文提到的三種限制路分別進行標志桿的識別，因為不同的限制路的距離特征不同，且標志桿的數(shù)量也會不都相同，故無論對幾種不同限制路的標志桿進行識別的時候，對另外的限制路的標志桿的識別不互相影響。因此可以實現(xiàn)多種限制路的識別。

2 實驗驗證

2.1 實驗數(shù)據(jù)

為了驗證這種方法，在實際場地中測出的限制路桿的位置中識別出各種限制路的標志桿的各坐標，選取了一組含有“S”形限制路的標志桿的數(shù)據(jù)。

2.2 實驗方法

將得到的數(shù)據(jù)，使用MATLAB軟件，按照步驟一到四的順序，對若干個坐標中各種限制路的標志桿坐標進行匹配并按限制路類型，來驗證算法的準確性。

2.3 實驗結果

運用上述方法的識別與分類得到的實驗結果符合預期，且識別率為100%，識別效果比較理想。但在實際的測量中，可能由于GPS的誤差，導致測得的各限制路的標志桿的坐標間距離特征不符合預期。

3 結論

本文通過限制路識別算法，實現(xiàn)了對多種不同限制路的識別，且識別率較高；能夠完成對地圖上的限制路位置和各個限制桿具體位置的標定。下一步將對同種限制路標志桿組進行區(qū)別，實現(xiàn)多種限制路(含重復限制路)的識別。