CN109297481A - 互动导航方法、装置、计算机设备及存储介质 - Google Patents
互动导航方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109297481A CN109297481A CN201811008414.3A CN201811008414A CN109297481A CN 109297481 A CN109297481 A CN 109297481A CN 201811008414 A CN201811008414 A CN 201811008414A CN 109297481 A CN109297481 A CN 109297481A
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- point coordinate
- navigation
- time
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000007637 random forest analysis Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003066 decision tree Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 230000003993 interaction Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000002360 preparation method Methods 0.000 description 7
- 101100059544 Arabidopsis thaliana CDC5 gene Proteins 0.000 description 6
- 101150115300 MAC1 gene Proteins 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 101100244969 Arabidopsis thaliana PRL1 gene Proteins 0.000 description 4
- 102100039558 Galectin-3 Human genes 0.000 description 4
- 101100454448 Homo sapiens LGALS3 gene Proteins 0.000 description 4
- 101150051246 MAC2 gene Proteins 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种互动导航方法、装置、计算机设备及存储介质，其中，该互动导航方法包括：采用字符识别算法识别票据图像中的票据信息，并基于票据信息获取移动端在预设导航地图中的终点坐标；获取移动端采集的实测WIFI信号簇，基于实测WIFI信号簇对比预设随机森林，获取移动端在预设导航地图中对应的定点坐标作为起点坐标；基于起点坐标和终点坐标，采用A星算法获取目标导航路线；将目标导航路线发送给移动端，控制移动端显示目标导航路线。该方法可依据票据自动生成目标导航路线，节省人们手动输入起点位置和终点位置的时间，便于人们及时在陌生环境通过该目标导航路线及时到达路线的目的地，提高出行效率。
Description
技术领域
本发明涉及智能导航领域，尤其涉及一种互动导航方法、装置、计算机设备及存储介质。
背景技术
根据交通、铁路和民航等部门统计，全国每天有上亿人次乘坐公共交通工具出行，往来于各个交通枢纽，比如机场和高铁站等。而常见的情况是，人们到达陌生的交通枢纽时，难以及时找到乘机或乘车的等候位置，可能错过所要乘坐的交通工具。如何在人们到达交通枢纽后及时找到所要乘坐的交通工具的等候位置成为亟待解决的问题。
发明内容
本发明实施例提供一种互动导航的互动导航方法、装置、计算机设备及存储介质，以解决人们到达交通枢纽后无法及时找到所要乘坐的交通工具的等候位置的问题。
一种互动导航方法，包括：
通过移动端采集票据图像，采用字符识别算法识别票据图像中的票据信息，并基于票据信息获取移动端在预设导航地图中的终点坐标；
获取移动端采集的实测WIFI信号簇，基于实测WIFI信号簇对比预设随机森林，获取移动端在预设导航地图中对应的定点坐标作为起点坐标；
基于起点坐标和终点坐标，采用A星算法获取目标导航路线；
将目标导航路线发送给移动端，控制移动端显示目标导航路线。
一种互动导航装置，包括：
采集票据图像模块，用于通过移动端采集票据图像，采用字符识别算法识别票据图像中的票据信息，并基于票据信息获取移动端在预设导航地图中的终点坐标；
获取实测信号簇模块，用于获取移动端采集的实测WIFI信号簇，基于实测WIFI信号簇对比预设随机森林，获取移动端在预设导航地图中对应的定点坐标作为起点坐标；
获取目标路线模块，用于基于起点坐标和终点坐标，采用A星算法获取目标导航路线；
控制显示路线模块，用于将目标导航路线发送给移动端，控制移动端显示目标导航路线。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述互动导航方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述互动导航方法的步骤。
上述互动导航方法、装置、计算机设备及存储介质，通过移动端采集票据图像获得导航路线的终点坐标，并依据移动端所在的位置获取的实测WIFI信号簇，可获取移动端所在的起点坐标，根据终点坐标和起点坐标可给移动端推荐目标导航路线，使得人们仅需将手中的票据经移动端简单扫描后即可自动生成目标导航路线，节省人们手动输入起点位置和终点位置的时间，便于人们及时在陌生环境通过该目标导航路线及时到达路线的目的地，提高出行效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中互动导航方法的应用环境示意图；
图2是本发明一实施例中互动导航方法的流程图；
图3是本发明一实施例中互动导航方法的另一流程图；
图4是本发明一实施例中互动导航方法的另一流程图；
图5是本发明一实施例中定点坐标(0,0)分别获取三个指定无线热点的WIFI信号的示意图；
图6是本发明一实施例中互动导航方法的另一流程图；
图7是本发明一实施例中互动导航方法的另一流程图；
图8是本发明一实施例中互动导航方法的另一流程图；
图9是本发明一实施例中互动导航装置的示意图；
图10是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的互动导航方法，可应用在如图1的应用环境中，该互动导航方法应用在互动导航系统中，该互动导航系统包括客户端和服务器，其中，客户端通过网络与服务器进行通信。其中，客户端又称为用户端，是指与服务器相对应，为客户提供本地服务的程序。该客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等计算机设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种互动导航方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
S10.通过移动端采集票据图像，采用字符识别算法识别票据图像中的票据信息，并基于票据信息获取移动端在预设导航地图中的终点坐标。
其中，票据图像是机票或车票等作为搭乘交通工具的凭证的图像。各个机场或车站使用的票据的排版都各不相同，比如深圳机场机票的登机口打印在票据图像的左侧，广州机场机票的登机口打印在票据图像的中部。服务器需要用户将当前所在场所采用的票据图像通过移动端进行上传，通过识别该票据图像对应的具体交通枢纽，并调用该交通枢纽对应的预设导航地图才能精确地定位用户所在场所的具体位置。
字符识别算法(OpticalCharacterRecognition，以下简称OCR算法)是指移动端检查纸上打印的字符，通过检测暗或亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的算法。
票据信息是服务器采用字符识别算法识别票据图像后得到的行程信息，比如本次路线的起点、终点、出发时间、到达时间、登陆交通工具和登陆交通工具的地点等。
预设导航地图是预置于服务器的，给不同的交通枢纽建立的带有坐标系和预设定点(也即网格交点)的网格地图。其中，每个预设定点(也即网格交点)在坐标系中对应一个定点坐标。
终点坐标是服务器根据票据图像中记录目标位置，获取该目标位置在预设导航地图中对应的定点坐标作为终点坐标，以便后续基于该终点坐标规划目标导航路线。
具体地，人们出行时可搭乘各种交通工具都是通过各种票据作为凭证来实现的(票据的形式包括但不限于纸质票据和电子票据等)。票据上记录有各种票据信息，比如对于机票来说，票据信息包括机场信息、登机口和登机时间等。以机票为例进行说明，旅客在机场检票后需要到达机票上显示的登机口等待登机。通常机场的登机口与检票位置相距较远，并且有多个登机口。对于不熟悉机场路线的旅客来说，可能在找寻登机口的过程中耽误登机时间从而造成不必要的麻烦。此时，旅客可采用本实施例提供的互动导航方法，将机票的票据图像(记录有票据信息一侧的图像)通过移动端上传给服务器。服务器可采用OCR算法识别票据信息，获取旅客所要到达的登机口在当前机场对应的预设导航地图中对应的定点坐标作为终点坐标。
进一步地，服务器采用字符识别算法识别票据图像中的票据信息，并基于票据信息获取移动端在预设导航地图中的终点坐标的实现过程主要包括图像处理、文字识别和获取终点坐标三大步骤，各步骤具体如下：
一.图像处理过程包括：
对票据图像进行预处理，包括灰度化、二值化、降噪、倾斜矫正和文字切分。
1.1灰度化(grayprocessing)是将一张彩色票据图像变为黑白票据图像。对于RGB图像进行灰度化，通俗点说就是对图像的RGB三个分量进行加权平均得到最终的灰度值，使得所形成的黑白票据图像中每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。灰度化公式为：
Gray＝0.11B+0.59G+0.3R
该公式是从人体生理学角度所提出的一种权值分配方法，人眼对绿色的敏感最高，对蓝色敏感最低。
1.2二值化:票据图像包括目标物体、背景还有噪声，想从多值的数字图像中直接提取出目标物体，通常设定一个阈值T，用T将票据图像的灰度值数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化(binaryzation)。
对黑白票据图像经过二值化后，获取的二值化票据图像，该二值化票据图像仅包括黑和白两种颜色，其中一个是背景颜色一个是字符颜色。
1.3图像降噪：票据图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。减少票据图像中噪声特征的过程称为图像降噪(ImageDenoising)。对于不同的票据图像，可能对噪声特征的定义不同，根据噪声特征进行去燥，就叫做噪声去除。
1.4倾斜矫正：对于用户而言，采集票据图像时不能保证票据图像的绝对水平，所以需要通过将图像做旋转处理找到一个认为最可能水平的位置，以便后续可以准确地切图。
1.5文字切分：对于一段多行文本来讲，文字切分包含了行切分与字符切分两个步骤，倾斜矫正是文字切分的前提，将倾斜矫正后的文字投影到Y轴，并将所有值累加，这样就能得到一个在y轴上的直方图。直方图的谷底就是背景，峰值则是前景(文字)所在的区域，便可识别每行文字的位置定位出字符串的边界，然后分别对字符串进行单个切割，单个分割出来的字符再做识别。
二.文字识别过程包括：
2.1特征提取和降维：特征是用来识别文字的关键信息，每个不同的文字都能通过特征来和其他文字进行区分。对于数字和英文字母的特征提取是比较容易的，总共10+26x2＝52个字符，而且都是小字符集。对于汉字特征提取的难度较大，因为首先汉字是大字符集；其次国标中仅最常用的第一级汉字有3755个；最后汉字结构复杂，形近字多，特征维度较大。
在确定了对哪种字符提取特征后，还需进行特征降维。如果特征的维数太高，分类器的效率会受到很大影响，为了提高识别速率，往往对字符特征进行降维处理。降维时既要降低特征维数，又要保障减少维数后的特征向量还保留了足够的信息量(以区分不同的文字)。
2.2确定文字:对一个文字图像提取出特征后发给分类器，分类器就对其进行分类，以确定该特征对应哪个文字。现有成熟的分类器包括SVM(Support Vector Machine，支持向量机)和CNN(Convolutional Neural Networ,卷积神经网络)等，用以将当前字符提取的特征与特征模板库进行模板粗分类，用以减少待匹配的样本数量，然后再根据粗分类后得到的每一样本进行逐一匹配,识别出字符。
2.3后处理校正:对于分类器的分类结果进行优化和校正，将识别出的文字或多个识别结果采用词组方式进行上下匹配，即将单字识别的结果进行分词，与词库中的词组进行比较，以提高系统的识别率，减少误识率。汉字字符识别是文字识别领域最为困难的问题，它涉及模式识别、图像处理、数字信号处理、自然语言理解、人工智能、模糊数学、信息论、计算机和中文信息处理等学科，是一门综合性技术。
举例说明：“分”和“兮”形近，但是如果遇到“分数”这个词语，就不应该识别为“兮数”，因为“分数”才是一个正常词语。其次是对于文字排版的处理：比如一些书籍是分左右两栏的，同一行的左右两栏不属于同一句话，不存在任何语法上的联系。如果按照行切割，就会把左行的末尾和右行的开头连在一起，这样的情况需要进行特殊处理。
2.4获取目标地点关键字：目标地点关键字是用户在某交通枢纽中登陆交通工具的具体位置，也即生成本次目标导航路线的终点位置，比如对于机票图像来说，目标地点关键字就是登机口对应的“B7”，也即目标地点关键字是“B7”。
三、获取终点坐标：
将步骤二得到的目标地点关键字在预设导航地图中进行匹配。将匹配结果对应的定点坐标设定为终点坐标，以利于后续服务器基于该终点坐标设计目标导航路线。以步骤2.4中的举例继续进行说明：步骤2.4中获得的目标地点关键字为“B7”，则服务器在预设导航地图中以“B7”作为关键字进行查找，可在预设导航地图中匹配出“B7”对应的定点坐标为(328,696)，则本次导航的终点作为即为(328,696)。
步骤S10中，服务器通过OCR算法对票据图像进行图像处理和文字识别后，可根据文字识别结果在预设导航地图中自动匹配出本次路线的终点坐标，避免用户自己手动输入终点坐标，提高终点坐标定位准确性。
S20.获取移动端采集的实测WIFI信号簇，基于实测WIFI信号簇对比预设随机森林，获取移动端在预设导航地图中对应的定点坐标作为起点坐标。
其中，实测WIFI信号簇是移动端在当前位置对应室内的每一无线热点都存在一个信号强度，服务器将移动端在当前位置获得的所有信号强度进行记录，即可获得移动端在当前位置的实测WIFI信号簇。
随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。于本实施例，每个定点坐标都对应一个决策树，该决策树是由该定点坐标与每个指定AP的信号强度均值(“位置指纹”)构成的训练WIFI信号簇。
具体地，服务器测试移动端相对每一无线热点之间测量WIFI信号强度时，可多次测量后计算所有测量的WIFI信号强度的样本均值进行记录，以更加精确地记录信号强度。其中，移动端在当前位置与每一无线热点的信号强度的样本均值可通过如下公式实现：
1/n*∑x(i)
其中，x(i)是移动端对指定的无线热点按指定的采集次数测量信号强度时每次测量得到的信号强度值，n是指定的采集次数。移动端在当前位置与至少三个无线热点的信号强度的样本均值，形成移动端在当前位置对应的实测WIFI信号簇。
步骤S20中，服务器通过按预设采集次数获取信号采集端在每一定点坐标的实测WIFI信号簇，基于该实测WIFI信号簇对比预设随机森林中每颗树记录的“位置指纹”，计算实测WIFI信号簇与每一“位置指纹”之间的欧式距离，将欧式距离差值最小的定点坐标设置为移动端的起点坐标。上述定位的方式无需安装额外的定位装置，服务器通过移动端和每一指定无线热点之间的信号强度即可获取起点坐标，节省定位成本，且定位方式稳定可靠。
S30.基于起点坐标和终点坐标，采用A星算法获取目标导航路线。
其中，目标导航路线是沿预起点坐标的每一可移动方向出发到达终点坐标的最短路线，
步骤S30中，服务器可将起点坐标和终点坐标输入A星算法进行计算，可获取移动端在每一可移动方向上进行比较后得到的最短导航路线。其中，A星算法是比较流行的启发式搜索算法之一，被广泛应用于路径优化领域。A星算法的独特之处是检查最短路径中每个可能的预设定点时引入了预设导航地图中的全局信息，对当前的起点坐标距终点坐标的距离做出估计，并作为评价该预设定点处于最短路线上的可能性的量度。
S40.将目标导航路线发送给移动端，控制移动端显示目标导航路线。
步骤S40中，服务器将目标导航路线通过无线通信网络发送给移动端，以使移动端在移动端界面上显示所在位置的预设导航地图，并在预设导航地图上显示该目标导航路线，便于用户通过该目标导航路线的指引前进到终点坐标，节省用户自行寻找终点坐标的时间，提高用户到达终点坐标行走路线的准确性。
步骤S10至步骤S40提供的互动导航方法，通过移动端采集票据图像获得导航路线的终点坐标，并依据移动端所在的位置获取的实测WIFI信号簇，可获取移动端所在的起点坐标，根据终点坐标和起点坐标可给移动端推荐目标导航路线，使得人们仅需将手中的票据经移动端简单扫描后即可自动生成目标导航路线，节省人们手动输入起点位置和终点位置的时间，便于人们及时在陌生环境通过该目标导航路线及时到达路线的目的地(也即终点坐标)，提高出行效率。
在一实施例中，票据信息包括位置关键字和目标地点关键字；如图3所示，在步骤S10中，即基于票据信息获取移动端在预设导航地图中的终点坐标，具体包括如下步骤：
S11.根据位置关键字，获取与位置关键字相对应的预设导航地图。
其中，位置关键字是显示交通枢纽具体所在地的关键字，比如对于机票来说，位置关键字为“出发地：深圳机场”或“深圳北站”等。目标地点关键字是用户在某交通枢纽中登陆交通工具的具体位置，比如对于深圳机场来说，目标地点关键字就是登机口对应的“B7”，也即目标地点关键字是“B7”。
具体地，服务器根据票据图像位置关键字中的“出发地”判定用户当前所在的具体城市的交通枢纽。比如，服务器识别票据图像后得到出发地为深圳机场，则调用深圳机场对应的预设导航地图，以便后续基于该预设导航地图确认用户所在的起点坐标。
步骤S11中，服务器可根据位置关键字，从存储预设导航地图的数据库中自动调用与位置关键字相对应的预设导航地图，服务器在内存无需保存各地交通枢纽的预设导航地图，只需将该票据图像对应的交通枢纽的预设导航地图实时调入内存，节省内存空间，提高计算目标导航路线的生成时间。
S12.根据目标地点关键字，获取移动端在预设导航地图中的终点坐标。
具体地，服务器根据目标地点关键字“登机口：B7”或“检票口:北11”等，可获取用户在当前交通枢纽登陆交通工具的具体位置，并将该具体位置作为预设导航地图中的终点坐标。
步骤S12中，服务器可将目标地点关键字在预设导航地图中进行匹配，并将匹配得到的定点坐标作为本次目标导航路线的终点坐标，无需用户手动输入终点坐标，提高定位的准确性。
步骤S11至S12中，服务器可基于移动端输入的票据图像获得位置关键字和对应的目标地点关键字，无需用户通过移动端手动输入，节省用户的输入时间且提高输入准确性。服务器可根据位置关键字自动调用对应的预设导航地图，服务器在内存无需保存各地交通枢纽的预设导航地图，只需将该票据图像对应的交通枢纽的预设导航地图实时调入内存，节省内存空间，提高计算目标导航路线的生成时间。
在一实施例中，如图4所示，在步骤S20中，即获取移动端采集的实测WIFI信号簇，基于实测WIFI信号簇对比预设随机森林，获取移动端在预设导航地图中对应的定点坐标作为起点坐标，具体包括如下步骤：
S21.获取移动端在当前位置与至少三个指定无线热点之间的WIFI信号强度。
其中，无线热点(WirelessAccessPoint,以下简称AP)，是指在公共场所提供无线局域网(WLAN)接入因特网服务的终端。移动端是本身携带有无线热点的移动端，该移动端可与周围环境中设置的无线热点之间收发无线信息。
本实施例采用WIFI信号强度进行位置定位的思想就是根据移动端在室内的不同位置，跟室内不用的无线热点之间存在不同的信号强度，根据不同无线热点所采集到的信号强度和无线热点在室内的布局，确定移动端在室内的位置。可以理解地，室内部署的无线热点越多，服务器通过移动端获得的WIFI信号强度记录越多，则服务器对移动端所在位置的定位也越精确。经测试证明，室内部署五六个无线热点可对移动端的定位较为准确。一般通过WIFI信号强度进行位置定位的室内环境需要每3米设置一个AP，而室内至少有三个AP。以室内有三个指定AP为例，移动端在当前位置就有三组WIFI信号，这三组WIFI信号构成当前位置的实测WIFI信号簇。为了便于说明，本实施例可在室内部署三个无线热点，用以服务器对移动端所在的位置进行定位。
每个AP在出厂时都携带有厂商灌注的唯一的设备出厂号，也即MAC(MediumAccess Control)地址，用以区分不同的AP。于本实施例，可将每一AP的MAC地址作为指定无线热点的区分标识。
WIFI信号强度(也称无线接收信号强度，Received Signal Strength Indicator，以下简称RSSI)在CDMA网络中，RSSI的范围在-110dbm至-20dbm之间。一般来说，如果RSSI<-95dbm，说明当前网络信号覆盖很差，几乎没信号；-95dmb<RSSI<-90dbm，说明当前网络信号覆盖很弱；RSSI〉-90dbm，说明当前网络信号覆盖较好。所以，一般都是以-90dbm为临界点，来初略判断当前网络覆盖水平。
具体地，本实施例采用“位置指纹”方式把室内的每一预设定点所在的定点坐标和“位置指纹”RSSI进行关联，每个定点坐标对应一个独特的指纹。这个指纹可以是单维(一个AP的RSSI)或多维(多个AP的RSSI)的。本实施例在室内至少部署两个AP，因此每个定点坐标对应的“指纹”是多维的。
步骤S21中，服务器将移动端与室内至少三个指定无线热点分别对应的WIFI信号强度进行记录，利于后续服务器基于上述WIFI信号强度对比“位置指纹”确认移动端所在的定点坐标。
S22.基于WIFI信号强度，获取移动端在当前位置的实测WIFI信号簇。
具体地，服务器测试移动端相对每一无线热点之间测量WIFI信号强度时，可多次测量后计算所有测量的WIFI信号强度的样本均值进行记录，以更加精确地记录信号强度。其中，每一无线热点的信号强度的样本均值可通过如下公式实现：
1/n*∑x(i)
其中，x(i)是移动端对指定的无线热点按指定的采集次数测量信号强度时每次测量得到的信号强度值，n是指定的采集次数。
举例说明实测WIFI信号簇的实现过程如下，如图5所示：
1.信号采集端依次在预设定点对应的定点坐标(0,0)，按预设采集次数(可设置为10次)获取与每一指定无线热点MAC1、MAC2和MAC3之间的标准信号强度并记录：
采集得到的定点坐标(0,0)与MAC1之间的实测信号强度依次为：
X1、X2、X3、X4、......X9和X10，将X1至X10带入公式1/n*∑x(i)，其中x(i)＝{X1、X2、X3、X4、......X10}，n＝10,获得定点坐标(0,0)与MAC1之间的实测信号强度的样本均值为X。
同理可得定点坐标(0,0)与MAC2之间的实测信号强度的样本均值为Y，定点坐标(0,0)与MAC3之间的实测信号强度的样本均值为Z。
2.组合定点坐标(0,0)与每一指定无线热点之间的实测信号强度的样本均值，形成定点坐标(0,0)在当前位置对应的实测WIFI信号簇为(X,Y,Z)。
本实施例中，服务器通过按预设采集次数获取信号采集端在每一定点坐标的实测WIFI信号簇，用以后续与训练WIFI信号簇进行对比获取所在的室内位置准备技术基础。
S23.基于实测WIFI信号簇对比预设随机森林，获取移动端在预设导航地图中对应的定点坐标作为起点坐标。
具体地，服务器可基于移动端在当前位置获得的实测WIFI信号簇对比预设随机森林中每颗树记录的“位置指纹”，计算实测WIFI信号簇与每一“位置指纹”之间的欧式距离，将欧式距离差值最小的目标决策树对应的定点坐标设置为移动端的起点坐标。其中，欧式距离源自N维欧氏空间中两点x1,x2之间的距离公式：
上述公式中，i为无线热点的数量，X1i为移动拍摄端在当前位置与第i台无线热点的实测WIFI信号强度，X2i为移动拍摄端在当前位置与第i台无线热点的训练WIFI信号强度。
举例说明计算实测WIFI信号簇与预设随机森林中每一决策树的欧式距离的实现过程：
移动拍摄端在当前位置的实测WIFI信号簇为(X11,X12,X13),将该实测WIFI信号簇与每一决策树的训练WIFI信号簇进行对比，其中定点坐标(0,0)对应的训练WIFI信号簇为(X21,X22,X23)。
将实测WIFI信号簇(X11,X12,X13)和训练WIFI信号簇(X21,X22,X23)带入公式可获取欧式距离d1。
同理可获取该实测WIFI信号簇与其它每一决策树的欧式距离d2...dx。其中d1为所有欧式距离中最小的数值，也即可判定，d1对应的训练WIFI信号簇(X21,X22,X23)为目标决策树。
步骤S23提供的对起点坐标进行定位的方式无需安装额外的定位装置，服务器通过移动端和每一指定无线热点之间的信号强度即可获取起点坐标，节省定位成本，且定位方式稳定可靠。
步骤S21至S23中，服务器将移动端与室内至少三个指定无线热点分别对应的WIFI信号强度进行记录，利于后续服务器基于上述WIFI信号强度对比“位置指纹”确认移动端所在的定点坐标。服务器通过移动端和每一指定无线热点之间的信号强度即可获取起点坐标，节省定位成本，且定位方式稳定可靠。
在一实施例中，预设导航地图包括至少三个预设定点，每一预设定点对应一定点坐标；如图6所示，在步骤S20之前，即获取移动端采集的实测WIFI信号簇的步骤之前，该互动导航方法还包括：
S201.在每一预设定点，按预设采集次数获取信号采集端与每一指定无线热点之间的WIFI信号强度形成的训练WIFI信号簇。
其中，训练WIFI信号簇是获取标准信号强度的训练阶段时，移动端在每一定点坐标经测试得到的与每一指定无线热点之间的WIFI信号强度形成的多维标准信号簇。
具体地，移动端和每一无线热点之间测量标准信号强度时，可多次测量后计算所有测量的信号强度的样本均值进行记录，以更加精确地记录标准信号强度。其中，每一无线热点的标准信号强度的样本均值可通过如下公式实现：
1/n*∑x(i)
其中，x(i)是移动端对指定的无线热点按指定的采集次数测量标准信号强度时每次测量得到的标准信号强度值，n是指定的采集次数。
举例说明训练WIFI信号簇的实现过程如下，如图5所示：
1.信号采集端依次在预设定点对应的定点坐标(0,0)，按预设采集次数(可设置为10次)获取与每一指定无线热点MAC1、MAC2和MAC3之间的标准信号强度并记录：
采集得到的定点坐标(0,0)与MAC1之间的标准信号强度依次为：
A1、A2、A3、A4、......A9和A10，将A1至A10带入公式1/n*∑x(i)，其中x(i)＝{A1、A2、A3、A4、......A10}，n＝10,获得定点坐标(0,0)与MAC1之间的标准信号强度的样本均值为A。
同理可得定点坐标(0,0)与MAC2之间的标准信号强度的样本均值为B，定点坐标(0,0)与MAC3之间的标准信号强度的样本均值为C。
2.组合定点坐标(0,0)与每一指定无线热点之间的标准信号强度的样本均值，形成定点坐标(0,0)在当前位置对应的训练WIFI信号簇为(A,B,C)。
本实施例中，服务器通过按预设采集次数获取信号采集端在每一定点坐标的训练WIFI信号簇，为后续客户端在不同定点坐标发送实测WIFI信号簇与训练WIFI信号簇进行对比准备技术基础。
S202.给每一预设定点关联存储对应的定点坐标和与定点坐标对应的训练WIFI信号簇，以形成定点坐标对应的决策树。
其中，决策树是构成预设随机森林的每一类簇，每一决策树都对应一个定点坐标和与定点坐标对应的训练WIFI信号簇。
步骤S202中，服务器将每一定点坐标和与定点坐标对应的训练WIFI信号簇进行关联存储，形成该定点坐标的决策树，利于后续服务器基于训练WIFI信号即可对客户端进行位置定位，简单快捷。
步骤S201至S202中，服务器通过按预设采集次数获取信号采集端在每一定点坐标的训练WIFI信号簇，为后续客户端在不同定点坐标发送实测WIFI信号簇与训练WIFI信号簇进行对比准备技术基础。服务器将每一定点坐标和与定点坐标对应的训练WIFI信号簇进行关联存储，形成该定点坐标的决策树，利于后续服务器基于决策树即可对客户端进行位置定位，简单快捷。
在一实施例中，票据信息包括目标时间。目标时间是票据图像上提示用户最晚到达登陆交通工具地点的时间。比如，对于登机时间来说，目标时间一般为起飞时间的前45分钟。该目标时间在机票图像上的时间关键字即为“登机时间：XXXXXX”如图7所示，在步骤S30之后，即在采用A星算法获取目标导航路线的步骤之后，该互动导航方法还包括：
S301.基于目标导航路线获取目标路程，基于目标路程和预设行走速度，获取标准时间差。
其中，目标路程是目标导航路线的路线长度，预设行走速度是经多次测量后成人行走的平均速度，为60－100m/min，于本实施例可将预设行走速度设置为60m/min。标准时间差是按预设行走速度行走目标路程长度的所需时间。标准时间差具体可为目标导航路线规则出的目标路程除以预设行走速度的商。
步骤S301中，服务器基于目标路线和预设行走速度获得标准时间差，利于后续基于该标准时间差计算用户的当前可利用时间并进行提示。
S302.获取系统当前时间，计算目标时间与系统当前时间的第一时间差。
具体地，服务器通过时间采集工具比如TIME函数或DATE函数可获取系统的当前时间。其中，第一时间差是系统当前时间距离最晚登陆交通工具的目标时间之间的时间长度。第一时间差为目标时间减去系统当前时间的差。
步骤S302中，服务器可计算出第一时间差用以后续计算用户的可利用时间准备技术基础。
S303.基于标准时间差和第一时间差，获取对应的提示信息。
具体地，当标准时间差大于或等于第一时间差，说明用户按正常速度步行到终点坐标需要的时间大于或等于系统当前时间距离最晚登陆交通工具的时间(即目标时间)之间的时间差。此时，服务器应提示用户加快行走速度以及时到达终点坐标；否则，用户可能来不及登陆交通工具耽误行程。
当标准时间差小于第一时间差时，说明用户按正常速度步行到终点坐标还可能产生富余的时间，此时服务器可将第一时间差减去标准时间差得到可利用时间。比如，标准时间差为1小时，第一时间差为1.5小时，则可利用时间为0.5小时，服务器可提示移动端还富余0.5小时，用户可根据富余时间灵活安排本次行程中的其它额外行程或活动，并将其它额外行程或活动控制到0.5小时内。
步骤S303中，服务器可根据标准时间差和第一时间差，给用户推送不同的提示信息，增强了与用户的互动性和推送信息的灵活性，利于用户更从容地安排旅行时间。
步骤S301至S303中，服务器基于目标路线和预设行走速度获得标准时间差，利于后续基于该标准时间差计算用户的当前可利用时间并进行提示。服务器可根据标准时间差和第一时间差，给用户推送不同的提示信息，增强了与用户的互动性和推送信息的灵活性，利于用户更从容地安排旅行时间。
在一实施例中，票据信息包括目标时间；如图8所示，在步骤S30之后，即在采用A星算法获取目标导航路线的步骤之后，该互动导航方法还包括：
S304.获取移动端发送的区域查询请求，区域查询请求包括区域查询信息。
其中，区域查询请求为用户输入的查询当前交通枢纽中某个场所位置的请求，比如，查询某个餐厅或休息室等。区域查询信息是包括场所具体名称的信息。
步骤S304中，服务器通过接受移动端发送的区域查询请求，增强与用户之间的互动性，增强该互动导航方法的灵活性。
S305.基于区域查询信息，获取对应的目标区域,基于目标导航路线和目标区域，获取更新导航路线。
其中，目标区域是服务器基于区域查询信息中的场所具体名称，在预设导航地图中匹配该场所具体名称得到的区域位置。
具体地，服务器可将用户查询的目标区域在预设导航地图中匹配出目标区域，并得到该目标区域对应的定点坐标。基于该定点坐标可重新计算更新导航路线。更新导航路线的计算过程为计算起点坐标到目标区域的第一最短路线，再计算从目标区域到达终点坐标的第二最短路线，组合第一最短路线和第二最短路线即可获得更新导航路线。
步骤S305中，服务器可基于区域查询信息获取更新导航路线，为后续计算用户的当前可利用时间准备技术基础。
S306.基于更新导航路线获取更新路程，基于更新路程和预设行走速度，获取更新时间差。
其中，更新路程就是更新导航路线的路线长度。更新时间差是按预设行走速度行走完更新路程的所需时间。
步骤S306中，服务器可基于更新路程和预设行走速度，获取更新时间差，为后续计算用户的当前可利用时间准备技术基础。
S307.获取系统当前时间，计算目标时间与系统当前时间的第一时间差。
其中，第一时间差是系统当前时间距离最晚登陆交通工具的目标时间之间的时间长度。
步骤S307中，服务器可计算出第一时间差用以后续计算用户的当前可利用时间准备技术基础。
S308.若更新时间差在第一时间差之内，则将更新导航路线发送给移动端，控制移动端显示更新导航路线。
具体地，当更新时间差在第一时间差之内，说明用户按正常速度从起点坐标步行到目标区域，再从目标区域步行到终点坐标还可能产生富余的时间，也即用户采用更新导航路线行走到终点坐标的时间是充分的，移动端可显示该更新导航路线给用户，指引用户的行程。
此时服务器可将第一时间差减去标准时间差得到用户在目标区域的最多可停留时间。比如，更新时间差为1小时，第一时间差为1.5小时，则用户在目标区域的最多可停留时间为0.5小时。
优选地，若更新时间差不在第一时间差之内，则向移动端发送提醒信息。
当更新时间差不在第一时间差之内，说明用户按正常速度从起点坐标步行到目标区域，再从目标区域步行到终点坐标需要的时间大于系统当前时间距离最晚登陆交通工具之间的时间长度，此时，服务器应提示用户加快行走速度，并直接从当前位置步行到终点坐标，而不经过目标区域。否则，用户可能来不及登陆交通工具从而耽误行程。
步骤S303中，服务器可根据更新时间差和第一时间差，给用户推送停留建议信息，增强了与用户的互动性和推送信息的灵活性，利于用户更从容地安排旅行时间。
步骤S304至S308中，服务器可基于区域查询信息获取更新导航路线，为后续计算用户的当前可利用时间准备技术基础。服务器可根据更新时间差和第一时间差，给用户推送停留时间的建议信息，增强了与用户的互动性和推送信息的灵活性，利于用户更从容地安排旅行时间。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种互动导航装置，该互动导航装置与上述实施例中互动导航方法一一对应。如图9所示，该互动导航装置包括采集票据图像模块10、获取实测信号簇模块20、获取目标路线模块30和控制显示路线模块40。各功能模块详细说明如下：
采集票据图像模块10，用于通过移动端采集票据图像，采用字符识别算法识别票据图像中的票据信息，并基于票据信息获取移动端在预设导航地图中的终点坐标。
获取实测信号簇模块20，用于获取移动端采集的实测WIFI信号簇，基于实测WIFI信号簇对比预设随机森林，获取移动端在预设导航地图中对应的定点坐标作为起点坐标。
获取目标路线模块30，用于基于起点坐标和终点坐标，采用A星算法获取目标导航路线。
控制显示路线模块40，用于将目标导航路线发送给移动端，控制移动端显示目标导航路线。
优选地，采集票据图像模块10包括获取导航地图单元11和获取终点坐标单元12。
获取导航地图单元11，用于根据位置关键字，获取与位置关键字相对应的预设导航地图。
获取终点坐标单元12，用于根据目标地点关键字，获取移动端在预设导航地图中的终点坐标。
优选地，获取实测信号簇模块20包括获取信号强度单元21、获取实测信号簇单元22和获取起点坐标单元23。
获取信号强度单元21，用于获取移动端在当前位置与至少三个指定无线热点之间的WIFI信号强度。
获取实测信号簇单元22，用于基于WIFI信号强度，获取移动端在当前位置的实测WIFI信号簇。
获取起点坐标单元23，用于基于实测WIFI信号簇对比预设随机森林，获取移动端在预设导航地图中对应的定点坐标作为起点坐标。
优选地，该互动导航装置还包括获取训练信号簇模块201和形成决策树模块202。
获取训练信号簇模块201，用于在每一预设定点，按预设采集次数获取信号采集端与每一指定无线热点之间的WIFI信号强度形成的训练WIFI信号簇。
形成决策树模块202，用于给每一预设定点关联存储对应的定点坐标和与定点坐标对应的训练WIFI信号簇，以形成定点坐标对应的决策树。
优选地，该互动导航装置还包括获取标准时间差模301、获取系统时间模块302和获取提示信息模块303。
获取标准时间差模301，用于基于目标导航路线获取目标路程，基于目标路程和预设行走速度，获取标准时间差。
获取系统时间模块302，用于获取系统当前时间，计算目标时间与系统当前时间的第一时间差。
获取提示信息模块303，用于基于标准时间差和第一时间差，获取对应的提示信息。
优选地，该互动导航装置还包括获取查询请求模块304、获取更新路线模块305、获取更新时间差模块306、计算第一时间差模块307和控制显示更新路线模块308。
获取查询请求模块304，用于获取移动端发送的区域查询请求，区域查询请求包括区域查询信息。
获取更新路线模块305，用于基于区域查询信息，获取对应的目标区域,基于目标导航路线和目标区域，获取更新导航路线。
获取更新时间差模块306，用于基于更新导航路线获取更新路程，基于更新路程和预设行走速度，获取更新时间差。
计算第一时间差模块307，用于获取系统当前时间，计算目标时间与系统当前时间的第一时间差。
控制显示更新路线模块308，用于若更新时间差在第一时间差之内，则将更新导航路线发送给移动端，控制移动端显示更新导航路线。
关于互动导航装置的具体限定可以参见上文中对于互动导航方法的限定，在此不再赘述。上述互动导航装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一实施例中，提供一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储互动导航方法中需保存的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种互动导航方法。
在一实施例中，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例互动导航方法的步骤，例如图2所示的步骤S10至步骤S40。或者，处理器执行计算机程序时实现上述实施例中互动导航装置的各模块/单元的功能，例如图9所示模块10至模块40的功能。为避免重复，此处不再赘述。
在一实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例互动导航方法，例如图2所示的步骤S10至步骤S40。或者，该计算机程序被处理器执行时实现上述装置实施例中互动导航装置中各模块/单元的功能，例如图9所示模块10至模块40的功能。为避免重复，此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种互动导航方法，其特征在于，包括：
通过移动端采集票据图像，采用字符识别算法识别所述票据图像中的票据信息，并基于所述票据信息获取移动端在预设导航地图中的终点坐标；
获取移动端的采集的实测WIFI信号簇，基于所述实测WIFI信号簇对比预设随机森林，获取所述移动端在预设导航地图中对应的定点坐标作为起点坐标；
基于所述起点坐标和所述终点坐标，采用A星算法获取目标导航路线；
将所述目标导航路线发送给移动端，控制移动端显示所述目标导航路线。
2.如权利要求1所述的互动导航方法，其特征在于，所述票据信息包括位置关键字和目标地点关键字；
所述基于所述票据信息获取移动端在预设导航地图中的终点坐标，包括：
根据所述位置关键字，获取与所述位置关键字相对应的预设导航地图；
根据所述目标地点关键字，获取移动端在预设导航地图中的终点坐标。
3.如权利要求1所述的互动导航方法，其特征在于，所述获取移动端采集的实测WIFI信号簇，基于所述实测WIFI信号簇对比预设随机森林，获取所述移动端在预设导航地图中对应的定点坐标作为起点坐标，包括：
获取移动端在当前位置与至少三个指定无线热点之间的WIFI信号强度；
基于所述WIFI信号强度，获取移动端在当前位置的实测WIFI信号簇；
基于所述实测WIFI信号簇对比预设随机森林，获取所述移动端在预设导航地图中对应的定点坐标作为起点坐标。
4.如权利要求1所述的互动导航方法，其特征在于，所述预设导航地图包括至少三个预设定点，每一预设定点对应一定点坐标；
在所述获取移动端采集的实测WIFI信号簇的步骤之前，所述互动导航方法还包括：
在每一所述预设定点，按预设采集次数获取信号采集端与每一所述指定无线热点之间的WIFI信号强度形成的训练WIFI信号簇；
给每一所述预设定点关联存储对应的定点坐标和与定点坐标对应的训练WIFI信号簇，以形成所述定点坐标对应的决策树。
5.如权利要求1所述的互动导航方法，其特征在于，所述票据信息包括目标时间；
在所述采用A星算法获取目标导航路线的步骤之后，所述互动导航方法还包括：
基于所述目标导航路线获取目标路程，基于所述目标路程和预设行走速度，获取标准时间差；
获取系统当前时间，计算所述目标时间与所述系统当前时间的第一时间差；
基于所述标准时间差和所述第一时间差，获取对应的提示信息。
6.如权利要求1所述的互动导航方法，其特征在于，所述票据信息包括目标时间；
在所述采用A星算法获取目标导航路线的步骤之后，所述互动导航方法还包括：
获取移动端发送的区域查询请求，所述区域查询请求包括区域查询信息；
基于所述区域查询信息，获取对应的目标区域,基于所述目标导航路线和所述目标区域，获取更新导航路线；
基于所述更新导航路线获取更新路程，基于所述更新路程和预设行走速度，获取更新时间差；
获取系统当前时间，计算所述目标时间与所述系统当前时间的第一时间差；
若所述更新时间差在所述第一时间差之内，则将所述更新导航路线发送给所述移动端，控制所述移动端显示所述更新导航路线。
7.一种互动导航装置，其特征在于，包括：
采集票据图像模块，用于通过移动端采集票据图像，采用字符识别算法识别所述票据图像中的票据信息，并基于所述票据信息获取移动端在预设导航地图中的终点坐标；
获取实测信号簇模块，用于获取移动端采集的实测WIFI信号簇，基于所述实测WIFI信号簇对比预设随机森林，获取所述移动端在预设导航地图中对应的定点坐标作为起点坐标；
获取目标路线模块，用于基于所述起点坐标和所述终点坐标，采用A星算法获取目标导航路线；
控制显示路线模块，用于将所述目标导航路线发送给移动端，控制移动端显示所述目标导航路线。
8.如权利要求7所述的互动导航装置，其特征在于，所述采集票据图像模块包括：
获取导航地图单元，用于根据所述位置关键字，获取与所述位置关键字相对应的预设导航地图；
获取终点坐标单元，用于在所述预设导航地图中显示所述目标地点关键字所在位置，获取移动端在预设导航地图中的终点坐标。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述互动导航方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述互动导航方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811008414.3A CN109297481A (zh) | 2018-08-31 | 2018-08-31 | 互动导航方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811008414.3A CN109297481A (zh) | 2018-08-31 | 2018-08-31 | 互动导航方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109297481A true CN109297481A (zh) | 2019-02-01 |
Family
ID=65165696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811008414.3A Pending CN109297481A (zh) | 2018-08-31 | 2018-08-31 | 互动导航方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109297481A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110049441A (zh) * | 2019-05-05 | 2019-07-23 | 山东科技大学 | 基于深度集成学习的WiFi室内定位方法 |
| CN112013847A (zh) * | 2020-08-20 | 2020-12-01 | 安徽江淮汽车集团股份有限公司 | 一种室内导航的方法及装置 |
| CN112595309A (zh) * | 2020-11-25 | 2021-04-02 | 南京维沃软件技术有限公司 | 导航方法、装置和电子设备 |
| CN113188561A (zh) * | 2021-06-18 | 2021-07-30 | 北京市商汤科技开发有限公司 | 一种导航方法、装置、计算机设备及计算机可读存储介质 |
| CN113295180A (zh) * | 2021-06-30 | 2021-08-24 | 北京市商汤科技开发有限公司 | 一种乘机导航方法、装置、计算机设备和存储介质 |
| CN114500428A (zh) * | 2022-01-24 | 2022-05-13 | 腾讯科技（深圳）有限公司 | 导航分享方法及装置、电子设备、存储介质、程序产品 |
| CN115683101A (zh) * | 2021-07-28 | 2023-02-03 | 中移物联网有限公司 | 一种室内定位测试方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1940906A (zh) * | 2005-09-30 | 2007-04-04 | 佛山市顺德区顺达电脑厂有限公司 | 结合地理信息与名片管理的系统及其方法 |
| CN101655369A (zh) * | 2008-08-22 | 2010-02-24 | 环达电脑(上海)有限公司 | 利用图像识别技术实现定位导航的系统及方法 |
| CN104567903A (zh) * | 2014-12-12 | 2015-04-29 | 小米科技有限责任公司 | 获取导航信息的方法及装置 |
| CN105937909A (zh) * | 2016-01-15 | 2016-09-14 | 深圳市金立通信设备有限公司 | 一种影院座位的导航方法和终端 |
| CN105973236A (zh) * | 2016-04-26 | 2016-09-28 | 乐视控股（北京）有限公司 | 室内定位或导航方法、装置以及地图数据库生成方法 |
| CN106296338A (zh) * | 2016-07-26 | 2017-01-04 | 斑马信息科技有限公司 | 出行订单处理方法、装置和用户终端 |
| CN107145557A (zh) * | 2017-04-28 | 2017-09-08 | 上海与德科技有限公司 | 出行提醒的方法及装置 |
| CN107702707A (zh) * | 2017-10-27 | 2018-02-16 | 上海京颐科技股份有限公司 | 导航信息获取方法及装置、计算机可读存储介质 |
| CN108256050A (zh) * | 2018-01-12 | 2018-07-06 | 携程旅游网络技术（上海）有限公司 | 行程订单的关联服务推送方法、系统、设备和存储介质 |
-
2018
- 2018-08-31 CN CN201811008414.3A patent/CN109297481A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1940906A (zh) * | 2005-09-30 | 2007-04-04 | 佛山市顺德区顺达电脑厂有限公司 | 结合地理信息与名片管理的系统及其方法 |
| CN101655369A (zh) * | 2008-08-22 | 2010-02-24 | 环达电脑(上海)有限公司 | 利用图像识别技术实现定位导航的系统及方法 |
| CN104567903A (zh) * | 2014-12-12 | 2015-04-29 | 小米科技有限责任公司 | 获取导航信息的方法及装置 |
| CN105937909A (zh) * | 2016-01-15 | 2016-09-14 | 深圳市金立通信设备有限公司 | 一种影院座位的导航方法和终端 |
| CN105973236A (zh) * | 2016-04-26 | 2016-09-28 | 乐视控股（北京）有限公司 | 室内定位或导航方法、装置以及地图数据库生成方法 |
| CN106296338A (zh) * | 2016-07-26 | 2017-01-04 | 斑马信息科技有限公司 | 出行订单处理方法、装置和用户终端 |
| CN107145557A (zh) * | 2017-04-28 | 2017-09-08 | 上海与德科技有限公司 | 出行提醒的方法及装置 |
| CN107702707A (zh) * | 2017-10-27 | 2018-02-16 | 上海京颐科技股份有限公司 | 导航信息获取方法及装置、计算机可读存储介质 |
| CN108256050A (zh) * | 2018-01-12 | 2018-07-06 | 携程旅游网络技术（上海）有限公司 | 行程订单的关联服务推送方法、系统、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 李军 等: ""基于K-means和Random Forest的WiFi室内定位方法"", 《控制工程》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110049441A (zh) * | 2019-05-05 | 2019-07-23 | 山东科技大学 | 基于深度集成学习的WiFi室内定位方法 |
| CN110049441B (zh) * | 2019-05-05 | 2020-09-22 | 山东科技大学 | 基于深度集成学习的WiFi室内定位方法 |
| CN112013847A (zh) * | 2020-08-20 | 2020-12-01 | 安徽江淮汽车集团股份有限公司 | 一种室内导航的方法及装置 |
| CN112595309A (zh) * | 2020-11-25 | 2021-04-02 | 南京维沃软件技术有限公司 | 导航方法、装置和电子设备 |
| CN112595309B (zh) * | 2020-11-25 | 2024-01-16 | 南京维沃软件技术有限公司 | 导航方法、装置和电子设备 |
| CN113188561A (zh) * | 2021-06-18 | 2021-07-30 | 北京市商汤科技开发有限公司 | 一种导航方法、装置、计算机设备及计算机可读存储介质 |
| WO2022262193A1 (zh) * | 2021-06-18 | 2022-12-22 | 北京市商汤科技开发有限公司 | 一种导航方法、装置、计算机设备及计算机可读存储介质 |
| CN113295180A (zh) * | 2021-06-30 | 2021-08-24 | 北京市商汤科技开发有限公司 | 一种乘机导航方法、装置、计算机设备和存储介质 |
| CN115683101A (zh) * | 2021-07-28 | 2023-02-03 | 中移物联网有限公司 | 一种室内定位测试方法、装置、电子设备及存储介质 |
| CN114500428A (zh) * | 2022-01-24 | 2022-05-13 | 腾讯科技（深圳）有限公司 | 导航分享方法及装置、电子设备、存储介质、程序产品 |
| CN114500428B (zh) * | 2022-01-24 | 2023-09-22 | 腾讯科技（深圳）有限公司 | 导航分享方法及装置、电子设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109297481A (zh) | 互动导航方法、装置、计算机设备及存储介质 | |
| CN110457420B (zh) | 兴趣点位置识别方法、装置、设备及存储介质 | |
| CN111210036A (zh) | 一种确定推荐上车点的方法和系统 | |
| US10948309B2 (en) | Navigation method, shopping cart and navigation system | |
| CN109815979A (zh) | 一种弱标签语义分割标定数据生成方法及系统 | |
| CN112347864A (zh) | 轨道交通客流感知及诱导方法、装置、设备和系统 | |
| CN110889421A (zh) | 目标物检测方法及装置 | |
| CN110458494A (zh) | 一种无人机物流送货方法及系统 | |
| CN109740479A (zh) | 一种车辆重识别方法、装置、设备及可读存储介质 | |
| US20220148231A1 (en) | Virtual prop allocation method and related apparatuses | |
| CN111292752A (zh) | 一种用户意图识别方法、装置、电子设备及存储介质 | |
| CN110532961A (zh) | 一种基于多尺度注意机制网络模型的语义交通信号灯检测方法 | |
| CN112668375A (zh) | 景区内游客分布分析系统及方法 | |
| CN115346256A (zh) | 机器人寻人方法及系统 | |
| CN110472655B (zh) | 一种用于跨境旅游的标志物机器学习识别系统及方法 | |
| CN114549909A (zh) | 一种基于自适应阈值的伪标签遥感图像场景分类方法 | |
| CN116129643B (zh) | 一种公交车出行特征识别方法、装置、设备及介质 | |
| CN111105124B (zh) | 一种基于距离约束的多地标影响力的计算方法 | |
| US20210235226A1 (en) | Information processing device | |
| CN110889277A (zh) | 一种无监督学习的空间信号源和室内位置关联的方法 | |
| KR102617756B1 (ko) | 속성 기반 실종자 추적 장치 및 방법 | |
| CN106682638A (zh) | 一种定位机器人智能互动的系统 | |
| KR101867586B1 (ko) | 영상 처리 장치 및 방법 | |
| CN115147248B (zh) | 一种基于大数据的旅游信息咨询系统和方法 | |
| CN116229049A (zh) | 图标检测识别方法、装置、机器人及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190201 |
|
| RJ01 | Rejection of invention patent application after publication |