CN104794201B - 一种基于Voronoi图与地标的层次化空间位置描述方法及装置 - Google Patents
一种基于Voronoi图与地标的层次化空间位置描述方法及装置 Download PDFInfo
- Publication number
- CN104794201B CN104794201B CN201510194378.4A CN201510194378A CN104794201B CN 104794201 B CN104794201 B CN 104794201B CN 201510194378 A CN201510194378 A CN 201510194378A CN 104794201 B CN104794201 B CN 104794201B
- Authority
- CN
- China
- Prior art keywords
- terrestrial reference
- terrestrial
- locus
- level
- stratification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明适用于地标描述领域,提供了一种基于Voronoi图与地标的层次性空间位置描述方法及装置,所述基于Voronoi图与地标的层次化空间位置描述方法包括:对空间上的地标,生成所述地标的Voronoi图;建立所述地标的层次化空间参照框架;根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。本发明解决了目标对象的空间位置只采用一个层次参照系来进行描述,从而与人的空间认知不符合的问题,通过Voronoi图建立层次化的空间参照体系,并基于该参照体系自动生成的目标对象空间位置描述,该描述符合人在空间认知上的层次性以及在不同场景下的习惯,从而提高了目标对象定位的效率。
Description
技术领域
本发明属于地标描述领域,尤其涉及一种基于Voronoi图与地标的层次化空间位置描述方法及装置。
背景技术
地标是指某地方具有独特地理特色的建筑物或者自然物。当人们到一个陌生的环境时,因为对环境空间不熟悉,将所认知到的空间位置依附到那些显著的地标上,一般而言,通过锚接于单个的地标,描述空间位置,便于用户查找目标对象的空间位置。
然而,现有的空间位置描述方法,目标对象的空间位置只采用一个层次参照系,不利于快速查找目标对象的空间位置。其原因在于,现有的空间位置描述方法只有一层,目标对象的空间位置只能与最近的地标建立空间关系,无法与它附近的多个地标也建立空间关系,因此只能与最近的地标建立空间关系。而人们所获得空间知识都是以地标为中心的块,块之间具有间隙,此时地标的附属区域是该地标的区域,而当最近的地标如果缺失时,由于用户无法通过最近的地标定位目标对象的空间位置,需要逐级查找目标对象的空间位置,因此耗费了时间,不利于快速查找目标对象的空间位置。
发明内容
本发明实施例的目的在于提供一种基于Voronoi图与地标的层次化空间位置描述方法,旨在解决现有的空间位置描述方法,目标对象的空间位置只采用一个层次参照系,不利于快速查找目标对象的空间位置。
本发明实施例是这样实现的,一种基于Voronoi图与地标的层次化空间位置描述方法,包括:
对空间上的地标,生成所述地标的Voronoi图;
建立所述地标的层次化空间参照框架;
根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。
本发明实施例的另一目的在于提供一种基于Voronoi图与地标的层次化空间位置描述装置,包括:
生成模块,用于对空间上的地标,生成所述地标的Voronoi图;
建立模块,用于建立所述地标的层次化空间参照框架;
描述模块,用于根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。
在本发明实施例中,根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。解决了目标对象的空间位置只采用一个层次参照系来进行描述,从而与人的空间认知不符合的问题,通过Voronoi图建立层次化的空间参照体系,并基于该参照体系自动生成的目标对象空间位置描述,该描述符合人在空间认知上的层次性以及在不同场景下的习惯,从而提高了目标对象定位的效率。
附图说明
图1是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述方法的实现流程图;
图2是本发明实施例提供的层次化空间参照框架为2层的较佳样例图;
图3是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述方法步骤S103的实施流程图;
图4是本发明实施例提供的定位目标对象较佳的样例图;
图5是本发明实施例提供步骤S303的实施流程图;
图6是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述装置的第一结构框图;
图7是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述装置的第二结构框图;
图8是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述装置的第三结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
图1是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述方法的实现流程图,详述如下:
在步骤S101中,对空间上的地标,生成所述地标的Voronoi图;
在步骤S102中,建立所述地标的层次化空间参照框架;
在Voronoi图的基础上,建立所述地标的层次化空间参照框架。
其中,基于Voronoi图的空间层次化模型意味着,当一个Voronoi单元被包含在另外一个Voronoi单元的内部时,后者的边界受前者边界的限制,低级别的区域管理中心落入高级别的区域内。
在步骤S103中,根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。
其中,获取目标对象,可采用现有技术的任一种方式获取,如通过上网的方式获取,或通过本地数据库导入的方式获取。
参考图2,图2是本发明实施例提供的层次化空间参照框架为2层的较佳样例图。
在本发明实施例中,根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述,解决了目标对象的空间位置只采用一个层次参照系来进行描述,从而与人的空间认知不符合的问题,通过Voronoi图建立层次化的空间参照体系,并基于该参照体系自动生成的目标对象空间位置描述,该描述符合人在空间认知上的层次性以及在不同场景下的习惯,从而提高了目标对象定位的效率。
实施例二
本实施例描述了建立层次化空间参照框架的实施过程,详述如下:
对空间上的所述地标基于Voronoi图生成邻近区域,每个地标R的附属区域S(R,0)为所述邻近区域;
循环k从1到n,k为粒度;
对于空间上所有地标,以其中L(R)>=k的地标为集合,生成所述邻近区域;
对于L(R)>=k的地标R,获取所有落在地标R的所述邻近区域内的所有k-1级别的地标;
地标R在k层的附属区域S(R,k)为所有落在该地标所述邻近区域内级别为k-1级的地标(包括R本身)在k-1级的附属区域之和;
其中,地标在j(j<=i)层的附属区域记为S(R,j);
其中,L(R)表示地标R的层次。
其中,地标R在k层的附属区域S(R,k)为所有落在该地标所述邻近区域内级别为k-1级的地标在k-1级的附属区域之和,包括R本身在第k层的所述邻近区域之和;
任意一个级别不小于i的地标在i层的附属区域为该地标的Voronoi区域(场景I)或者邻近区域(场景II)所包含的地标的附属区域之和。因此,为了区别一个级别为i的地标R在层级不高于i的不同层次的附属区域,我们将地标在j(j<=i)的附属区域记为S(R,j)。为了计算的方便,令L(R)表示地标R的层次,例如对于最底层的地标R,L(R)的值为0,而对于一个包含n+1层地标的空间来说,最高层次的地标R,则返回的值为n。
其中,一个地标的附属区域为它的邻近区域,即一个二次曲线多边形,目标地物的候选参照物可能包括多个地标。对于0级地标来说,它的附属区域是它的邻近区域;而对于i级地标(i≠0)来说,它的附属区域是它的邻近区域所包含的所有i-1级地标的附属区域的并集。
实施例三
图3是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述方法步骤S103的实施流程图,详述如下:
在步骤S301中,获取指定的粒度以及层次;
在步骤S302中,根据指定的粒度、层次以及所述目标对象选择地标集合;
在步骤S303中,在所述地标集合中选定多个地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。
参考图4,图4是本发明实施例提供的定位目标对象较佳的样例图。
在粒度要求为1的情况下,T1将从和它邻近的若干个1级地标作为候选参照物,并从中选择合适的一个或者几个作为描述空间位置的参照物。1级地标中与它邻近的参照物以及T1选择它们作为参照物的概率如下所示:
R74:41.69
R55:40.12
R10:17.39
R46:0.74
R61:0.03
而概率之和不大于0.95的最大参照物集合为R74、R55和R10。因此可以采用它们作为参照物来描述目标对象的空间位置,如:
“目标对象在R74的西边(41.69),R55的东北边(40.12),R10的东南边(17.39)”
在本实施例中,根据指定的粒度、层次以及所述目标对象选择地标集合,可以根据需要选择地标集合的详细程度,满足了自定义的需求,并提高了空间位置描述的准确度。
实施例四
本实施例描述了根据指定的粒度、层次以及所述目标对象选择地标集合的实施过程,详述如下:
1)初始化集合Z为所有n级地标的集合;
2)循环:i从n到K,其中K(0<=K<=n);
2.1)初始化集合Z’为空;
2.2)遍历所述集合Z,依次取其中的地标R;
2.2.1)如果R在第i级的附属区域S(R,i)不包含所述目标对象所在的空间位置,则进入下一次循环;
2.2.2)设落在R邻近区域内所有的地标为集合Z”;
2.2.3)Z’←Z’+Z”,将上一次的初始化集合Z’以及集合Z”的地标赋予此次的Z’;
2.3)Z←Z’,将此次的Z的地标’赋予集合Z。
其中,设指定空间内的地标分为从0层到n层共n+1个层次,其中0层是最底层的地标层次,而n层则是最高层次。相应的人们对空间位置描述分为0到n共n+1个粒度,其中粒度为0对应着0层地标,粒度为1对应着1层地标,粒度为2对应着2层地标,粒度为n对应着n层地标。
在本实施例中,设地标的层次从0到n,设描述需要达到的粒度为K,并且对于每个地标,它们每个层次的附属区域已经完成计算,寻找那些作为参照物来描述目标对象空间位置的地标。
实施例五
图5是本发明实施例提供步骤S303的实施流程图,详述如下:
S501,在所述地标集合中,利用地标概率选择函数,获取选择每一个地标作为参照物的概率;
S502,根据设定的阈值,从所述地标集合中选择概率之和大于设定的阈值的最小集合,将所述最小集合中的地标作为参照物来描述目标对象的空间位置。
其中,最小集合是指地标的数量最小的集合。
在本实施例中,由于地标组成的空间参照框架具有一致性,对于任意指定的目标对象,它的候选参照物不止一个,因此在进行层次化的空间位置表达时,对于每个级别的地标,都将从与之邻近的多个地标中选择合适的几个地标进入下一个层次的搜索。在获得所要求层次的所有候选地标后,还要根据地标概率选择函数计算目标对象候选地标集合中选择每一个地标作为参照物的概率,然后根据设定的阈值,从这些候选地标中选择概率之和大于某个阈值的最小集合,作为参照物来描述目标对象的空间位置,提高了空间位置描述的准确度。
实施例六
图6是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述装置的第一结构框图,该基于Voronoi图与地标的层次化空间位置描述装置可以运行于车辆中。为了便于说明,仅示出了与本实施例相关的部分。
参照图6,该基于Voronoi图与地标的层次化空间位置描述装置,包括:
生成模块61,用于对空间上的地标,生成所述地标的Voronoi图;
建立模块62,用于建立所述地标的层次化空间参照框架;
描述模块63,用于根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。
在本实施例的一种实现方式中,在该基于Voronoi图与地标的空间位置中,描述装置,所述建立模块62具体用于对空间上的所述地标基于Voronoi图生成邻近区域,每个地标R的附属区域S(R,0)为所述邻近区域;
循环k从1到n,k为粒度;
对于空间上所有地标,以其中L(R)>=k的地标为集合,生成所述邻近区域;
对于L(R)>=k的地标R,获取所有落在地标R的所述邻近区域内的所有k-1级别的地标;
地标R在k层的附属区域S(R,k)为所有落在该地标所述邻近区域内级别为k-1级的地标(包括R本身)在k-1级的附属区域之和;
其中,地标在j(j<=i)层的附属区域记为S(R,j);
其中,L(R)表示地标R的层次。
在本实施例的一种实现方式中,参考图7,图7是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述装置的第二结构框图,在该基于Voronoi图与地标的层次化空间位置描述装置中,所述描述模块63,包括:
获取单元631,用于获取指定的粒度以及层次;
选择单元632,用于根据指定的粒度、层次以及所述目标对象选择地标集合;
描述单元633,用于在所述地标集合中选定多个地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。
在本实施例的一种实现方式中,在该基于Voronoi图与地标的层次化空间位置描述装置中,所述选择单元632具体用于:
1)初始化集合Z为所有n级地标的集合;
2)循环:i从n到K,其中K(0<=K<=n);
2.1)初始化集合Z’为空;
2.2)遍历所述集合Z,依次取其中的地标R;
2.2.1)如果R在第i级的附属区域S(R,i)不包含所述目标对象所在的空间位置,则进入下一次循环;
2.2.2)设落在R邻近区域内所有的地标为集合Z”;
2.2.3)Z’←Z’+Z”,将上一次的初始化集合Z’以及集合Z”的地标赋予此次的Z’;
2.3)Z←Z’,将此次的Z的地标’赋予集合Z。
在本实施例的一种实现方式中,参考图8,图8是本发明实施例提供的基于Voronoi图与地标的层次化空间位置描述装置的第三结构框图,在该基于Voronoi图与地标的层次化空间位置描述装置中,所述描述单元633,包括:
获取子单元6331,用于在所述地标集合中,利用地标概率选择函数,获取选择每一个地标作为参照物的概率;
描述子单元6332,用于根据设定的阈值,从所述地标集合中选择概率之和大于设定的阈值的最小集合,将所述最小集合中的地标作为参照物来描述目标对象的空间位置。
本发明实施例提供的装置可以应用在前述对应的方法实施例中,详情参见上述实施例的描述,在此不再赘述。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现。所述的程序可以存储于可读取存储介质中,所述的存储介质,如随机存储器、闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件执行本发明各个实施例所述的方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于Voronoi图与地标的层次化空间位置描述方法,其特征包括:
对空间上的地标,生成所述地标的Voronoi图;
建立所述地标的层次化空间参照框架;
根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述;
所述建立所述地标的层次化空间参照框架,具体为:
对空间上的所述地标基于Voronoi图生成邻近区域,每个地标R的附属区域S(R,0)为所述邻近区域;
循环k从1到n,k为粒度;
对于空间上所有地标,以其中L(R)>=k的地标为集合,生成所述邻近区域;
对于L(R)>=k的地标R,获取所有落在地标R的所述邻近区域内的所有k-1级别的地标;
地标R在k层的附属区域S(R,k)为所有落在该地标所述邻近区域内级别为k-1级的地标(包括R本身)在k-1级的附属区域之和;
其中,地标在j(j<=i)层的附属区域记为S(R,j);
其中,L(R)表示地标R的层次。
2.如权利要求1所述的基于Voronoi图与地标的层次化空间位置描述方法,所述根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述,具体为:
获取指定的粒度以及层次;
根据指定的粒度、层次以及所述目标对象选择地标集合;
在所述地标集合中选定多个地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。
3.如权利要求2所述的基于Voronoi图与地标的层次化空间位置描述方法,其特征在于,所述根据指定的粒度、层次以及所述目标对象选择地标集合,具体为:
1)初始化集合Z为所有n级地标的集合;
2)循环:i从n到K,其中K(0<=K<=n);
2.1)初始化集合Z’为空;
2.2)遍历所述集合Z,依次取其中的地标R;
2.2.1)如果R在第i级的附属区域S(R,i)不包含所述目标对象所在的空间位置,则进入下一次循环;
2.2.2)设落在R邻近区域内所有的地标为集合Z”;
2.2.3)Z’←Z’+Z”,将上一次的初始化集合Z’以及集合Z”的地标赋予此次的Z’;
2.3)Z←Z’,将此次的Z的地标’赋予集合Z。
4.如权利要求2所述的基于Voronoi图与地标的层次化空间位置描述方法,所述在所述地标集合中选定多个地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述,具体为:
在所述地标集合中,利用地标概率选择函数,获取选择每一个地标作为参照物的概率;
根据设定的阈值,从所述地标集合中选择概率之和大于设定的阈值的最小集合,将所述最小集合中的地标作为参照物来描述目标对象的空间位置。
5.一种基于Voronoi图与地标的层次化空间位置描述装置,其特征在于,包括:
生成模块,用于对空间上的地标,生成所述地标的Voronoi图;
建立模块,用于建立所述地标的层次化空间参照框架;
描述模块,用于根据目标对象选定多个所述地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述;
所述建立模块具体用于对空间上的所述地标生成邻近区域,每个地标R的附属区域S(R,0)为所述邻近区域;
循环k从1到n,k为粒度;
对于空间上所有地标,以其中L(R)>=k的地标为集合,生成所述邻近区域;
对于L(R)>=k的地标R,获取所有落在地标R的所述邻近区域内的所有k-1级别的地标;
地标R在k层的附属区域S(R,k)为所有落在该地标所述邻近区域内级别为k-1级的地标(包括R本身)在k-1级的附属区域之和;
其中,地标在j(j<=i)层的附属区域记为S(R,j);
其中,L(R)表示地标R的层次。
6.如权利要求5所述的基于Voronoi图与地标的层次化空间位置描述装置,其特征在于,所述描述模块,包括:
获取单元,用于获取指定的粒度以及层次;
选择单元,用于根据指定的粒度、层次以及所述目标对象选择地标集合;
描述单元,用于在所述地标集合中选定多个地标作为参照物,以所述参照物建立所述目标对象的层次性空间位置描述。
7.如权利要求6所述的基于Voronoi图与地标的层次化空间位置描述装置,其特征在于,所述选择单元具体用于:
1)初始化集合Z为所有n级地标的集合;
2)循环:i从n到K,其中K(0<=K<=n);
2.1)初始化集合Z’为空;
2.2)遍历所述集合Z,依次取其中的地标R;
2.2.1)如果R在第i级的附属区域S(R,i)不包含所述目标对象所在的空间位置,则进入下一次循环;
2.2.2)设落在R邻近区域内所有的地标为集合Z”;
2.2.3)Z’←Z’+Z”,将上一次的初始化集合Z’以及集合Z”的地标赋予此次的Z’;
2.3)Z←Z’,将此次的Z的地标’赋予集合Z。
8.如权利要求6所述的基于Voronoi图与地标的层次化空间位置描述装置,其特征在于,所述描述单元,包括:
获取子单元,用于在所述地标集合中,利用地标概率选择函数,获取选择每一个地标作为参照物的概率;
描述子单元,用于根据设定的阈值,从所述地标集合中选择概率之和大于设定的阈值的最小集合,将所述最小集合中的地标作为参照物来描述目标对象的空间位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510194378.4A CN104794201B (zh) | 2015-04-22 | 2015-04-22 | 一种基于Voronoi图与地标的层次化空间位置描述方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510194378.4A CN104794201B (zh) | 2015-04-22 | 2015-04-22 | 一种基于Voronoi图与地标的层次化空间位置描述方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794201A CN104794201A (zh) | 2015-07-22 |
CN104794201B true CN104794201B (zh) | 2018-03-30 |
Family
ID=53558993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510194378.4A Expired - Fee Related CN104794201B (zh) | 2015-04-22 | 2015-04-22 | 一种基于Voronoi图与地标的层次化空间位置描述方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794201B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528423B (zh) * | 2015-12-07 | 2018-08-17 | 中国科学院遥感与数字地球研究所 | 顾及空间实例距离权重的自适应同位模式获取方法和装置 |
CN108595608B (zh) * | 2018-04-20 | 2022-04-29 | 南京邮电大学 | 一种面向路网通信场景的邻近对象索引查询方法 |
CN109242169B (zh) * | 2018-08-28 | 2021-11-02 | 贵州电网有限责任公司 | 一种面向电力大客户的短期负荷预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7099895B2 (en) * | 2001-03-09 | 2006-08-29 | Radianse, Inc. | System and method for performing object association using a location tracking system |
CN103164520A (zh) * | 2013-03-08 | 2013-06-19 | 山东大学 | 一种面向层次化数据的交互可视方法及装置 |
-
2015
- 2015-04-22 CN CN201510194378.4A patent/CN104794201B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7099895B2 (en) * | 2001-03-09 | 2006-08-29 | Radianse, Inc. | System and method for performing object association using a location tracking system |
CN103164520A (zh) * | 2013-03-08 | 2013-06-19 | 山东大学 | 一种面向层次化数据的交互可视方法及装置 |
Non-Patent Citations (3)
Title |
---|
Probability issues in locality descriptions based on Voronoi neighbor relationship;Yongxi Gong etc;《Journal of Visual Languages and Computing》;20120509;全文 * |
Structural Hierarchy of Spatial Knowledge Based on Landmarks and Its Application in Locality Description;Yongxi Gong etc;《Proceeding of the 18th International Conference on Geoinformatics》;20100930;论文第2-3页 * |
基于带权Voronoi图与地标的空间位置描述》;龚咏喜等;《地理与地理信息科学》;20100731;第26卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104794201A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10593110B2 (en) | Method and device for computing a path in a game scene | |
Sattler et al. | Hyperpoints and fine vocabularies for large-scale location recognition | |
CN104794201B (zh) | 一种基于Voronoi图与地标的层次化空间位置描述方法及装置 | |
US20160217410A1 (en) | Worker Task Assignment Based on Correlation and Capacity Information | |
US20150199380A1 (en) | Discovery of viewsheds and vantage points by mining geo-tagged data | |
CN104573387B (zh) | 一种噪音地图绘制方法及装置 | |
US10592786B2 (en) | Generating labeled data for deep object tracking | |
CN110020144B (zh) | 一种推荐模型建立方法及其设备、存储介质、服务器 | |
KR20180070912A (ko) | 캘린더에 관한 예측을 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
KR20140137352A (ko) | 위치 기반 언어 모델링을 사용하는 자동화 입력 신호 인식 | |
CN110032682A (zh) | 一种信息推荐列表生成方法、装置及设备 | |
Duan et al. | Personalized tourism route recommendation based on user’s active interests | |
CN104679879A (zh) | 一种照片智能存储方法和装置 | |
US20150198739A1 (en) | Insolation calculating device, route proposing device, and insolation calculating method | |
CN109459048A (zh) | 用于机器人的地图加载方法及设备 | |
CN108156384A (zh) | 图像处理方法、装置、电子设备及介质 | |
Gao et al. | Adaptive zone-aware hierarchical planner for vision-language navigation | |
CN107300388B (zh) | 基于Q-learning算法和回声状态网络的骑行旅游路线规划方法 | |
CN110532464A (zh) | 一种基于多旅游上下文建模的旅游推荐方法 | |
Shen et al. | Time-aware location sequence recommendation for cold-start mobile users | |
CN110855601A (zh) | Ar/vr场景地图获取方法 | |
Nieße et al. | On local minima in distributed energy scheduling. | |
Qi et al. | Know what and know where: An object-and-room informed sequential BERT for indoor vision-language navigation | |
Ellen et al. | Balancing the costs and benefits of historic preservation | |
Jacobs et al. | Lessons learned from using land-use simulation in regional planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180330 Termination date: 20190422 |
|
CF01 | Termination of patent right due to non-payment of annual fee |